امروزه با رشد تکنولوژی های ثبت و به اشتراک گذاری تصاویر، تعداد تصاویر دیجیتال افزایش چشمگیری یافته است. مدیریت این حجم از داده های تصویری به سامانه ای کارآمد جهت مرور، دسته بندی، جستجو و بازیابی نیاز دارد. سامانه های بازیابی تصاویر در نسل های جدید یک عبارت معنایی را معمولاً به صورت یک یا چند کلمه کلیدی از کاربر گرفته، به دنبال بازیابی تصاویری با محتویات بصری مرتبط با آن معنا هستند. داشتن مکانیزمی که بتواند به صورت خودکار محتوای یک تصویر را مانند انسان به صورت متنی توصیف کند به کارایی این سامانه ها کمک زیادی می نماید. برچسب زنی خودکار تصاویر یک روش تخصصی برای بیان محتوای تصاویر به صورت کلمات کلیدی یا برچسب است. سامانه های برچسب زنی خودکار رابطه بین معنای یک متن و ویژگی های سطح پایین یک تصویر را با تکنیک های یادگیری ماشین بررسی کرده، به صورت خودکار به تصاویر چندین برچسب نسبت می دهند تا امکان جستجو و بازیابی مبتنی بر محتوای آن ها بهتر فراهم شود. در این مقاله به بررسی مراحل مختلف پیاده سازی یک سامانه برچسب زنی خودکار خواهیم پرداخت و کارهای پیش رو را مرور کرده، مشکلات و چالش های موجود برای طراحی این سامانه ها را خواهیم دید. همچنین به معرفی چند پایگاه داده مناسب جهت بررسی و آزمودن سامانه های برچسب زنی خودکار خواهیم پرداخت.

در این مقاله، شرح و گزارش چند بیت از متون ادب فارسی مورد نقد و بررسی قرار گرفته است. نگارنده با ارایه برخی از دلایل و شواهد، نکاتی در لغزش گزارش شارحان آن ابیات گوشزد نموده و کوشش کرده است با ارایه شواهد، مفهوم و معنی آن ابیات را روشن کند. تامل در شرح و گزارش این ابیات، ضرورت توجه به رو ساخت متون ادبی را برای دریافت درون مایه و ژرف ساخت آن آثار بیان می کند.

سیستم های شرح نگاری خودکار تصاویر، وظیفه توصیف محتوای تصاویر به وسیله تخصیص برچسب به آنها را بر عهده دارند. هدف از انجام این تحقیق بهبود نتایج دقت و سرعت یک سیستم شرح نگار تصاویر است. اخیراً با توجه به رشد روزافزون تصاویر، فرایند شرح نگاری بر روی پایه های تصاویر به جای خودشان اجرا می گردد. یکی از این روش های جدید، پیاده سازی الگوریتم تجزیه نامنفی ماتریس (NMF) بر روی ویژگی های به دست آمده از تصاویر است. در روش پیشنهادی برای افزایش سرعت و کارایی بهتر سیستم شرح نگاری، برای اولین بار از روشی به نام چرخش بلاک اصلی برای حل NMF در شرح نگاری استفاده شده است. این روش با توانایی افزودن برخط کلاس جدیدی از داده ها به دانش خود و یادگیری دانش به صورت فشرده و علاوه بر آن، توانایی آموزش بر اساس داده های دریافتی بدون نیاز به پردازش مجدد توانسته از روش های پیشین ارائه شده برای حل NMF عملکرد بهتری را نشان دهد. در مرحله آموزش با روش چرخش بلاک اصلی ماتریس ضرایب و پایه تصاویر ورودی به دست می آیند. سپس در مرحله آزمون برای تصویر ورودی، توسط ویژگی های استخراج شده از تصویر و ضرایب به دست آمده از مرحله آموزش، ضریب تعلق تصویر آزمون به هر یک از کلاس های تصاویر آموزش محاسبه می گردد. سپس این ضریب در هنگام جستجو در میان تصاویر آموزش برای تخصیص برچسب به تصویر آزمون، دقت کار را افزایش می دهد. این جستجو توسط روش KNN بر روی پایه های تصاویر صورت می گیرد. برای آزمایش روش پیشنهادی از دو پایگاه داده K5Corel و داده های واقعی حیوانات (برگرفته از px 500) استفاده شده و نهایتاً با روش های موجود مقایسه شده که در پایگاه داده K5Corel به میزان دقت 20/50 و روی داده های واقعی به 89/62 رسیدیم که به طور قابل ملاحظه ای دقت افزایش یافته است.

در این مقاله با رهبردی تاریخی به منابع مرجع جغرافیایی پرداخته شده است و از دورترین ایام، شیوه شکل گیری چنین منابعی را پی گرفته ایم. علل توجه مسلمانان به جغرافیا و نخستین آثار تدوین یافته در این موضوع، بحث بعدی است. مشهورترین ماخذ تهیه شده، نامبرده، معرفی و توصیف می شود. آنگاه پس از تقسیم بندی، منابع مرجع جغرافیایی، به معرفی برخی منابع الکترونیکی این موضوع به زبان انگلیسی که از مهمترین مآخذ این رشته به شمار می رود می پردازیم، چه نگارنده بر این باور است که پژوهشگران جغرافیا دست کم با منابع چاپی فارسی و عربی – که در بیشتر کتابهای مرجع فارسی در دسترس شرح آنها آمده است – آشنایند. در مورد هر منبع، اطلاعات کتابشناختی، دامنه شمول، شیوه دسترس پذیری، نحوه تماس با ناشر و روش سفارش منبع، بها و دیگر داده ها و خدمات آنها ذکر می شود. پنج منبع از این گونه، به شرح آورده شده است و از جمله نمونه شناسه ها و نوع اطلاعات مندرج در هر یک نیز آمده است.

حاشیه نویسی خودکار تصاویر به ایجاد خودکار برچسب های متنی مطابق با محتوای بصری تصاویر دلالت دارد. اگرچه در دهه گذشته تحقیقات فراوانی در این زمینه انجام گرفته است اما وجود برچسب های متعدد و وجود شکاف معنایی میان این برچسب ها و ویژگی های سطح پایین بصری باعث کاهش دقت و کارایی این سامانه ها شده است. در این پژوهش یک روش حاشیه نویسی با استفاده از خوشه بندی دو سطحی بر مبنای ویژگی های کاهش یافته با الگوریتم وراثتی و نیز معانی پیشنهاد شده است. خوشه بندی باعث می شود تصاویر مشابه به هم از لحاظ بصری و نیز تصاویر مرتبط به هم از جهت معنایی در کنار هم قرار گرفته و حاشیه نویسی شوند. این کار علاوه بر تسریعحاشیه نویسی، کارایی قابل قبولی برای یک سامانه حاشیه نویسی نیز داشته است. برای ارزیابی روش، دو دادگان شناخته شده Corel5k و IAPR TC-12 انتخاب شده اند. نتایج به دست آمده روی این دو دادگان عملکرد قابل قبول روش پیشنهادی را در مقایسه با دیگر روش ها نشان می دهد.