ابهام زدایی از واژگان مبهم و دارای معانی متعدد، موضوع مهمی در حوزه پردازش زبان های طبیعی است. در این مقاله، مدلی برای رفع ابهام از واژگان مبهم فارسی با استخراج ویژگی های جدید پیشنهاد شده است. برای ایجاد این مدل دو دسته ویژگی واژگان و نشانه های همراه واژه مبهم و ویژگی هایی که با به کار بردن روش های مدل سازی موضوع به دست می آید، استفاده شده است. یک مدل موضوعی، مدلی آماری برای استخراج چکیده موضوع های موجود در اسناد یک پیکره است. در مقاله حاضر ما از روش بدون سرپرستی تخصیص پنهان دریکله (LDA) برای این منظور استفاده کرده ایم. نتایج آزمایش ها برای پانزده واژه مبهم پرتکرار در زبان فارسی که از پیکره پژوهشکده پردازش هوشمند علائم استخراج شد، دقت حدود 97% را نشان می دهد که بیان گر تاثیر این روش در یافتن معنی مناسب واژگان مبهم است.

هدف: با توجه به اهمیت و جایگاهی که حوزه غدد درون ریز در بخش سلامت دارد، تسهیل بازیابی اطلاعات در این حوزه می تواند بسیار مهم باشد. مطالعه حاضر با هدف مدل سازی موضوعی مقالات منتشر شده پژوهشگران ایرانی در حوزه غدد درون ریز و متابولیسم در پایگاه استنادی علوم انجام گرفت. روش بررسی: این تحقیق از نوع توصیفی بود و با روش متن کاوی انجام شد. چکیده مقالات با استفاده از کلید واژه های منتخب سرعنوان موضوعی پزشکی MeSH (Medical Subject Headings) از پایگاه استنادی علوم استخراج گردید. 5552 مقاله از سال 1977 تا سال 2019 بازیابی شد. سپس متن چکیده ها در نرم افزار MATLAB مورد تحلیل و بررسی قرار گرفت و دسته بندی شد. یافته ها: دسته های موضوعی متشکل از 20 واژه و در 48 دسته استخراج گردید. بیماری دیابت با 7145 بار تکرار، بیشتر از سایر موضوعات مورد توجه پژوهشگران ایرانی قرار گرفته است. دسته موضوعی مربوط به بیماری های سندرم متابولیک با بیشترین تعداد مقالات (304 مقاله) و دسته موضوعی شماره 47 که مربوط به بیماری های نرمی استخوان بود، کمترین تعداد مقالات (51 مقاله) را به خود اختصاص داد. نتیجه گیری: پژوهشگران ایرانی به تحقیقاتی با موضوع سندرم متابولیک بیشتر و به موضوعاتی مانند نرمی استخوان کمتر پرداخته بودند. مباحثی شامل Dwarfism، Parathyroid Diseases، Pituitary Diseases، Gonadal Disorders، Polyendocrinopathies و Autoimmune که در موضوعات حاصل از مدل سازی موضوعی وجود نداشت، بیانگر خلأ موجود در پژوهش های محققان ایرانی می باشد که بر لزوم توجه بیشتر بر این حوزه ها تأکید می شود.

هدف: روش های مدل سازی موضوعات احتمالاتی متشکل از مجموعه ای از الگوریتم هایی است که هدف اصلی آنها کشف ساختار پنهان موضوعی در حجم وسیعی از اسناد است. هدف از انجام این پژوهش مدل سازی موضوعی مقالات پژوهشگران ایرانی در حوزه غدد درون ریز و متابولیسم در پایگاه استنادی وب علوم است. روش شناسی: پژوهش حاضر از نوع کاربردی است که با روش متن کاوی و تحلیل محتوا به انجام رسیده است. در این پژوهش کلیه داده های مورد نیاز، از پایگاه استنادی وب علوم با استفاده از کلیدواژه های ثبت شده در سرعنوان موضوعی پزشکی بدون محدودیت زمانی تا 15 آبان 97 بازیابی شدند. سپس با استفاده از الگوریتم تخصیص پنهان دریکله مجموعه اسناد در محیط متلب تجزیه و تحلیل شدند. یافته ها: دسته های موضوعی به صورت دسته هایی از 20 واژه و در 10 دسته موضوعی استخراج شدند. سپس توسط فوق تخصصان غدد دسته های موضوعی بر اساس ارتباط آنها به موضوعات مختلف حوزه غدد درون ریز و متابولیسم نام گذاری شدند و به هر دسته عنوان موضوعی اختصاص یافت. نتیجه گیری: نتایج بیانگر این است که اجرای مدل تخصیص پنهان دریکله عملکرد قابل قبولی در ارائه دسته های موضوعات حوزه غدد داشته است. دسته های موضوعی استخراج شده دارای تجانس و ارتباط موضوعی خوبی با یکدیگر هستند.

واژه "تخلص" یکی از واژگانی است که در ادب فارسی به معانی مختلفی به کار می رود. در این مقاله کاربرد آن در معنی اسم، یعنی: نام شعری شاعر: مورد توجه می باشد. مولوی واژه "خاموش" را به عنوان تخلص برگزیده است و به دو صورت "خامش و خمش" نیز به کار برده است. اما از آثار او به ویژه غزلیات شمس بر می آید که برخلاف حافظ و سعدی که در بیت های پایانی تمامی و یا اکثر غزلها تخلص آورده اند، ایشان در بسیاری غزلها تخلص نیاورده است و به جای واژه "خاموش" یا "خمش و خامش"، واژه یا ترکیب یا عبارتی که بیان کننده مفهوم آن است، می آورد، مانند: بستن لب و دهان، بس کردن از سخن، رها کردن گفت و ... که در این مقاله از آن به "تخلص پنهان" تعبیر شده است. دهان ببند و ایمن باش در سخن دار         که شه کلید خزینه بر ایمن کشدا      (47-61 گ)بس کنم، گرچه رمز است بیانش نکنم  خود بیان را چه کنی، جان بیان می آید (140-170گ)