این پژوهش با هدف ترسیم شبکه مضامین تجربه میهمانان هتل با استفاده از تکنیک متن کاوی در هتل های چهار ستاره شهر تهران صورت گرفته است. این پژوهش دارای رویکردی کیفی، از نظر هدف کاربردی و از نظر روش جمع آوری داده ها، توصیفی-تحلیلی است. داده های پژوهش با استفاده از یک خزشگر از سایت تریپ ادوایزر جمع آوری شده است. جامعه آماری این پژوهش تمامی هتل های چهار ستاره در شهر تهران است. روش نمونه گیری در این پژوهش تصادفی است. جهت تحلیل داده های پژوهش نخست از تکنیک متن کاوی با استفاده از نرم افزار RapidMiner بهره گرفته شده است. شبکه مضامین این پژوهش شامل شش مضمون به شرح ذیل است: تجربه محیط فیزیکی در هتل، تجربه مرتبط با کارکنان در هتل، تجربه ارتباطات اجتماعی در هتل، تجربه غذایی در هتل، تجربه موقعیت مکانی هتل و تجربه احساسی در هتل. در نهایت، نتیجه گیری و پیشنهادهای مربوط به هر یک از این مضامین ارایه شده است.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

امروزه کسب وکارها و مدیریت بازاریابی روندی به سمت داده محور شدن را می پیمایند و در این مسیر بسیاری از آن ها نیازمند داده های مفید و البته روش های تحلیل درست داده ها هستند، متن کاوی یکی از فنون نوین تحلیل داده ها می باشد که برای تحلیل داده های متنی به کار می رود، داده های متنی برای سال های طولانی به علل مختلفی چون حجم زیاد و بی ارزش تلقی شدن و یا نبود ابزار مناسب برای تحلیل، بی استفاده باقی مانده اند، درحالی که این داده ها می توانند اطلاعات مناسبی را از روندهای موجود ارائه دهند. در این تحقیق با هدف بررسی ساختار محتوایی فصلنامه مطالعات برنامه ریزی و توسعه گردشگری از متن کاوی استفاده کرده ایم و مقالات از سال 1391تا پایان سال 1397 موردبررسی قرار داده ایم. نزدیک به 30مجله که مشتمل بر تعداد حدودی 250 مقاله می شدند و تعداد 100000واژه که بیش از 250000 هزار بار تکرار داشتند مورد تحلیل قرار گرفتند و حوزه های مطالعاتی این فصلنامه در 7 سال اخیر ارائه شده است.

شناسایی موضوعات داغ در حوزه­ های پژوهشی همواره موردتوجه بوده است؛ تصمیم­ گیری هوشمندانه در مورد آنچه باید مورد مطالعه و قرار بگیرد، همواره عاملی اساسی برای محققان بوده و می­ تواند برای پژوهشگران موضوعی چالش ­برانگیز باشد. هدف پژوهش حاضر، شناسایی موضوعات داغ در مقالات نمایه­ شده در پایگاه اسکوپوس در حوزه علم اطلاعات و دانش ­شناسی در سال­های 2010 تا 2019 با استفاده از تکنیک­ های متن­ کاوی است. جامعه آماری، شامل 50995 مقاله منتشرشده در 249 عنوان مجله نمایه­شده در پایگاه اسکوپوس در این حوزه در بازه زمانی 2010 تا 2019 است. برای شناسایی خوشه­ های موضوعی این حوزه، از الگوریتم­ های تکنیک تخصیص دیریکلت پنهان (LDA) استفاده شد و داده ­ها با استفاده از کتابخانه های متن کاوی در نرم­افزار پایتون مورد تحلیل قرار گرفت. برای این کار، با اجرای الگوریتم وزن­دهی لغات به روش TF-IDF و تشکیل ماتریس متنی، موضوعات در پیکره اسناد تعیین و ضرایب اختصاص هر سند به هر موضوع (تتا) مشخص شد. خروجی اجرای الگوریتم LDA، منجر به شناسایی تعداد 260 موضوع شد. تخصیص برچسب به هریک از خوشه های موضوعی، بر اساس کلمات با بالاترین وزن اختصاص یافته به هر موضوع و با نظر کارشناسان حوزه موضوعی، انجام گرفت. با انجام محاسبات با ضریب اطمینان 95%، تعداد 63 موضوع از بین 260 موضوع اصلی انتخاب شد. با محاسبه میانگین تتا برحسب سال، تعداد 24 موضوع دارای روند مثبت (موضوع داغ) و تعداد 39 موضوع دارای روند منفی (موضوع سرد) تعیین شد. بر اساس نتایج، موضوعات مطالعات سنجشی، مدیریت الکترونیکی/ بازاریابی الکترونیکی، بازیابی محتوا، تحلیل داده و مهارت الکترونیکی، ازجمله موضوعات داغ بود و موضوعات آموزش، آرشیو، مدیریت دانش، سازمان دهی و سلامت کتابداران ازجمله موضوعات سرد در حوزه علم اطلاعات و دانش­ شناسی در بازه زمانی 2010 تا 2019 شناسایی شد. تحلیل یافته­ ها نشانگر آن است که به دلیل رویکرد اغلب پژوهشگران در 10 سال گذشته به استفاده از فنّاوری های نوظهور، موضوعات مبتنی بر فنّاوری بیشتر باعث جذب آنان شده و در مقابل، موضوعات پایه ­ای­ این حوزه، کمتر موردتوجه قرارگرفته اند.

مقاله حاضر با عنوان متن کاوی و پیش بینی درماندگی مالی و با هدف پیش بینی درماندگی مالی در قالب عبارات کلیدی با استفاده از روش تکنیک متن کاوی انجام گرفته است. متن کاوی فرآیندی است که طی آن اطلاعات مفید از داده های غیر ساختار یافته (داده های متنی) استخراج و مورد استفاده قرار می گیرد. جامعه آماری گزارش های حسابرسی 50 شرکت درمانده مالی پذیرفته شده در بورس در سال 1396 که برای جمع آوری داده ها گزارشات حسابرسی سال های 1394 و 1395 مورد متن کاوی قرار گرفت. یافته ها نشان داد که اصطلاحات پرکاربرد که در طول دوره زمانی دو ساله قبل از درماندگی مالی شرکت ها بطور مستمر تکرار شده عبارتنداز؛ عدم رعایت مقررات و قوانین با 62، مغایرت با 123، عدم حضور مدیر ذینفع با 122، کاهش سود، کاهش ارزش کالا و دارایی ها با 116، عدم دسترسی به اطلاعات و اسناد با 102، تعدیلات سنواتی با 101مورد و. . . لذا می توان نتیجه گرفت با توجه به واژه های استخراج شده روش متن کاوی می تواند در پیش بینی درماندگی مالی شرکت ها موثر واقع گردد.

در این مقاله، ابتدا به مرور برخی تعاریف مربوط به حسابان کسری و تعریف آنتروپی کسری، به عنوان تعمیمی از آنتروپی شنون، می پردازیم. در ادامه به ارائه تعریف معیار اهمیت لغات تعمیم یافته بر اساس آنتروپی کسری می پردازیم. با استفاده از تعریف پیشنهادی، به ارائه روشی جدیدی در متن کاوی بر اساس آنتروپی کسری خواهیم پرداخت. استفاده از روش ارائه شده برای استخراج نمایه ی کتاب آماری کسلا و برگر (1990)، نشان می دهد که مقدار میانگین هارمونیک بازیابی و صحت برای روش پیشنهادی بیشتراز مقدار بدست با روش متن کاوی متداول بر اساس آنتروپی شنون می باشد. این نتایج نشان می دهد که روش پیشنهادی برای متن کاوی با استفاده آنتروپی کسری، نسبت به روش متداول بر اساس آنتروپی شنون، ابزار جامع تری است.

با توجه به نقش مهم چشم انداز و بیانیه ماموریت در تبیین اهداف استراتژیک و جهت گیری سازمان ها، تحلیل متن این اسناد اهمیت به سزایی خواهد داشت. صنعت غذا به عنوان یکی از گسترده ترین صنایع در برطرف سازی یکی از نیاز های اساسی مردم در ایران نیازمند پیشرفت و بهبود می باشد. بدین منظور ما در این پژوهش به بررسی متن بیانیه ماموریت و چشم انداز شرکت های برتر صنایع غذایی در دنیا و ایران پرداختیم تا تفاوت ها و شباهت های بین جهت گیری این دو گروه را مشخص نماییم. در این پژوهش مقایسه بر 53 شرکت از لیست 500 شرکت برتر مجله فورچون و 42 شرکت برتر ایرانی به زعم وزارت صنعت و معدن صورت گرفته است. همچنین از تکنیک متن کاوی جهت پیش پردازش متون استفاده شد و در ادامه با استفاده از تکنیک خوشه بندی و الگوریتم K-Means شرکت ها در خوشه های مجزا قرار گرفتند. در نهایت با استفاده از تکنیک تصمیم گیری چند شاخصه SAW مهم ترین ریشه ها در هر خوشه رتبه بندی شدند و به تایید خبرگان در زمینه صنایع غذایی رسیدند. متعاقبا بررسی تطبیقی بر خوشه های ایرانی و خارجی صورت گرفت و مشخص گردید که شرکت های خارجی بر مفاهیمی از قبیل توجه به مشتریان و ایجاد یک تصویر بهتر از سازمان تاکید دارند، در حالیکه شرکت های ایرانی بیشتر بر محصول، توسعه و کلی گویی تمرکز دارند.

مقدمه: ارائه خدمات مراقبتی و بهداشتی افراد مبتلا به بیماری دیابت اطلاعات مفیدی ایجاد می کند که از این اطلاعات می توان برای شناسایی، درمان، مراقبت های بعدی و حتی پیشگیری از بیماری دیابت استفاده نمود. از طرفی کاوش و بررسی حجم زیادی از این اطلاعات، نیازمند استفاده از روش های موثر و کارآمدی برای یافتن الگوهای مربوط در این اطلاعات می باشد که استفاده از تکنیک های مختلف داده کاوی به خصوص دسته بندی و الگوهای تکرار شونده می تواند کمک شایانی در این زمینه باشد.روش ها: پایگاه های اطلاعاتی Scholar، Science Direct Google Scopus، Pubmed، با هدف یافتن مقالات، جستجو و مقالات انگلیسی منتشر شده در سال های 2005 تا 2015 مورد بررسی قرار گرفتند. مقالات به دست آمده از نظر جمعیت مورد مطالعه، مجموعه داده های مورد استفاده و روش های داده کاوی ارزیابی شدند.یافته ها: از میان 2144 مقاله به دست آمده در جستجوی اولیه، تعداد 38 مقاله مرتبط با موضوع مطالعه، انتخاب و مورد بررسی قرار گرفت. نتایج این بررسی نشان می دهد که الگوریتم های خوشه بندی، قوانین انجمنی و هوش مصنوعی از پرکاربردترین تکنیک های داده کاوی می باشند که برای تشخیص و پیش بینی احتمال ابتلا به بیماری دیابت با موفقیت مورد استفاده قرار گرفته اند.نتیجه گیری: پیاده سازی روشی که بتواند امکان ابتلا یا عدم ابتلای افراد به دیابت را مشخص کند، گام مهمی در کنترل بیماری دیابت خواهد بود. با توجه به مطالعات انجام شده، داده کاوی می تواند به عنوان روشی موثر در پیشگیری، درمان و کشف ارتباط بین بیماری دیابت و عوامل خطر آن، موجب پیشرفت های قابل توجه در حوزه تحقیقات دیابت و ارائه مراقبت های بهداشتی بهتر برای این گروه از بیماران باشد.