2-2-3-4. کاهش داده……………………………………………………………………………12

 

2-2-3-5. تصویرکردن برای کاهش بعد……………………………………………………12

 

2-2-4. داده ­کاوی………………………………………………………………………………………13

 

2-2-5. پس­پردازش……………………………………………………………………………………14

 

2-2-6. کاربردهای داده­ کاوی………………………………………………………………………14

 

2-3. داده­ کاوی در پزشکی……………………………………………………………………………….14

 

2-4. بیماری تنفسی………………………………………………………………………………………….16

 

2-4-1. عفونت دستگاه تنفسی فوقانی…………………………………………………………….17

 

2-4-2. پنومونی…………………………………………………………………………………………17

 

2-4-3. بیماری مزمن انسدادی ریه…………………………………………………………………18

 

2-5. الگوریتم­های رده­بندی………………………………………………………………………………18

 

2-5-1. درخت تصمیم………………………………………………………………………………..19

 

2-5-1-1. CHAID…………………………………………………………………………….

 

2-5-1-2. ID3……………………………………………………………………………………

 

2-5-1-3. C5.0…………………………………………………………………………………..

 

2-5-2. ماشین بردار پشتیبان………………………………………………………………………….21

 

2-5-3. شبکه­ عصبی………………………………………………………………………………..24

 

2-5-4. Bagging…………………………………………………………………………………….

 

2-5-5. AdaBoost…………………………………………………………………………………

 

2-6. پیشینه تحقیقات در بیماری­های تنفسی……………………………………………………….30

 

فصل3: داده ­های نامتوازن…………………………………………………………………………………..32

 

3-1. مقدمه…………………………………………………………………………………………………….33

 

3-2. روش­های یادگیری در داده­های نامتوازن………………………………………………………33

 

3-2-1. نمونه­برداری……………………………………………………………………………………33

 

3-2-1-1. بیش­نمونه­برداری تصادفی…………………………………………………………34

 

3-2-1-2. زیرنمونه­برداری تصادفی…………………………………………………………..34

 

3-2-1-3. نمونه­برداری آگاهانه……………………………………………………………….34

 

3-2-1-3-1. EasyEnsemble…………………………………………………………………..

 

3-2-1-3-2. ModifiedBagging…………………………………………………………….

 

3-2-1-4. ترکیب نمونه ­برداری و تولید داده……………………………………………….37

 

3-2-2. روش­های حساس به هزینه…………………………………………………………………39

 

3-3. معیارهای ارزیابی رده­بند در داده­ های نامتوازن………………………………………..41

 

3-4. معیارهای ارزیابی رده­بند در داده­ های نامتوازن و چند رده­ای……………………..44

 

3-4-1. میانگین­ گیری میکرو………………………………………………………………………..46

 

3-4-2. میانگین­ گیری ماکرو…………………………………………………………………………46

 

فصل4: پیش­ پردازش داده ­ها……………………………………………………………………………47

 

4-1. مقدمه…………………………………………………………………………………………………….48

 

4-2. جمع­آوری داده­ها…………………………………………………………………………………….48

 

4-3. ویژگی­های داده­ها……………………………………………………………………………………48

 

4-4. نحوه توزیع داده­ها براساس ویژگی­ها…………………………………………………………..51

 

4-4-1. نوع بیماری تنفسی……………………………………………………………………………51

 

4-4-2. سن……………………………………………………………………………………………….52

 

4-5. پیش­پردازش­های انجام شده……………………………………………………………………….53

 

4-5-1. حذف ویژگی­های اضافی………………………………………………………………….53

 

4-5-2. حذف یا اصلاح رکورد…………………………………………………………………….53

 

4-5-3. یکپارچه­سازی داده………………………………………………………………………….54

 

4-5-4. تبدیل مقادیر ویژگی………………………………………………………………………..55

 

4-5-4-1. تفسیر آزمایش­های انجام شده روی بیماران………………………………….55

 

4-5-4-2. WBC (White Blood Cell)……………………………………………………………

 

4-5-4-3. چه چیزهایی باعث کاهش WBC می­شود؟………………………………..56

 

4-5-4-4. چه چیزهایی باعث افزایش WBC می­شود؟………………………………..56

 

4-5-4-5. جدول گسسته ­سازی WBC……………………………………………………..

 

4-5-4-6. RBC(Red Blood Cell)………………………………………………………..

 

 

4-5-4-7. چه چیزهایی باعث کاهش RBC می­شود؟…………………………………57

 

4-5-4-8. چه چیزهایی باعث افزایش RBC می­شود؟…………………………………58

 

4-5-4-9. جدول گسسته­ سازی RBC………………………………………………………58

 

4-5-4-10. Hb (Hemoglobin)………………………………………………………………..

 

4-5-4-11. چه چیزهایی باعث کاهش هموگلوبین می­شود؟………………………….59

 

4-5-4-12. چه چیزهایی باعث افزایش هموگلوبین می­شود؟…………………………59

 

4-5-4-13. جدول گسسته­ سازی هموگلوبین………………………………………………59

 

4-5-4-14. HCT (Hematocrit)……………………………………………………………..

 

4-5-4-15. چه چیزهایی باعث کاهش HCT می­شود؟……………………………….60

 

4-5-4-16. چه چیزهایی باعث افزایش HCT می­شود؟……………………………….60

 

4-5-4-17. جدول گسسته­ سازی HCT……………………………………………………

 

4-5-4-18. Plt یا پلاکت­ها……………………………………………………………………60

 

4-5-4-19. چه چیزهایی پلاکت را کاهش می­دهد؟……………………………………61

 

4-5-4-20. چه چیزهایی پلاکت را افزایش می­دهد؟……………………………………61

 

4-5-4-21. جدول گسسته­سازی پلاکت……………………………………………………61

 

4-5-4-22. اجزای دیگر آزمایش خون……………………………………………………..61

 

4-5-4-23. جدول گسسته­سازی MCV، MCH و MCHC…………………………………..

 

4-5-4-24. CRP (C-Reactive Protein)………………………………………………….

 

4-5-4-25. در چه شرایطی CRP افزایش پیدا می­کند؟……………………………….63

 

4-5-4-26. در چه شرایطی CRP کاهش پیدا می­کند؟……………………………….63

 

4-5-4-27. جدول گسسته­ سازی CRP…………………………………………………….

 

4-5-4-28. ESR (Erythrocyte Sedimentation Rate)………………………………

 

4-5-4-29. جدول گسسته­ سازی ESR…………………………………………………….

 

4-5-4-30. جدول گسسته­ سازی BS (Blood Suger)………………………………….

 

4-5-5. ویژگی داده­ها پس از پیش­پردازش نهایی……………………………………….64

 

4-6 نمونه ­برداری…………………………………………………………………………………….67

 

فصل5: نتایج و یافته­ های تحقیق…………………………………………………………………69

 

5-1. مقدمه……………………………………………………………………………………………….70

 

5-2. رده­بندی……………………………………………………………………………………..70

 

5-2-1. مقایسه­ی الگوریتم­های پایه………………………………………………………………..70

 

5-2-2. مقایسه­ی روش­های یادگیری در داده­ های نامتوازن…………………………………74

 

فصل6: نتیجه­ گیری و پیشنهادات…………………………………………………………………..79

 

6-1. مقدمه…………………………………………………………………………………………………….80

 

6-2. نتیجه­گیری……………………………………………………………………………………………..80

 

6-3. پیشنهادها………………………………………………………………………………………………..82

 

6-3-1. مجموعه­ داده……………………………………………………………………………….82

 

6-3-2. داده­ کاوی………………………………………………………………………………………82

 

مراجع…………………………………………………………………………………………………………….83

 

پیوست الف: واژه­ نامه انگلیسی به فارسی……………………………………………………… 92

 

چکیده:

 

بیماری تنفسی که عموما در ارتباط با بیماری ریوی است، شامل گروهی از بیماری­ها هستند که از طریق درگیر کردن بخش یا قسمت­هایی از دستگاه تنفس باعث اختلال در عملکرد ریه­ها می­گردند. ریه­ها مهم­ترین قسمت دستگاه تنفسی هستند که در عمل تبادل گازهای تنفسی جهت تامین اکسیژن بافت­های مختلف بدن و دفع دی­اکسیدکربن نقش دارند. بیماری­های ریوی در هر سال بسیاری از افراد جامعه را مبتلا می­کنند که باعث کاهش سطح عملکرد فرد در فعالیت­های روزمره می_­گردند. بیماری­های دستگاه تنفسی در انگلستان شایع­ترین عامل مراجعه به پزشکان عمومی است. میزان اختلال در عملکرد تنفس در یک بیماری ریوی به نوع بیماری و وسعت آسیب وارده بستگی دارد. بیماری­های ریوی می­توانند عفونت دستگاه تنفسی فوقانی، پنومونی و یا بیماری مزمن انسدادی ریه باشند. بیماری­های ریوی یکی از عوامل مهم مرگ­و­میر افراد در سراسر جهان هستند. فاکتور اصلی ما در این روند، تشخیص سریع و صحیح این بیماری­ها در همان ابتدای روزهای بستری است. تکنیک­های داده­کاوی می­توانند دانش نهفته در پایگاه­های داده را استخراج و در پیش­گیری، تشخیص و معالجه­ی این بیماری­ها به پزشک و بیمار کمک کنند. در این تحقیق، با مقایسه­ی سیستم­های رده­بندی متفاوت و مقایسه­ی روش­های یادگیری داده­های نامتوازن با الگوریتم پایه، در نهایت، سیستم رده­بندی ارائه شده که می­تواند در تشخیص انواع بیماری­های تنفسی به پزشکان کمک کند. سرانجام، به شناسایی عوامل موثر در بروز بیماری­های تنفسی پرداخته شده است.

 

فصل اول: مقدمه

 

1-1- موضوع تحقیق

 

بیماری تنفسی[1] که عموما در ارتباط با بیماری ریوی[2] است، شامل گروهی از بیماری­ها هستند که از طریق درگیر کردن بخش یا قسمت­هایی از دستگاه تنفس[3] باعث اختلال در عملکرد ریه[4]­ها می­گردند. ریه­ها مهم­ترین قسمت دستگاه تنفسی هستند که در عمل تبادل گازهای تنفسی جهت تامین اکسیژن بافت­های مختلف بدن و دفع دی­اکسیدکربن نقش دارند. بیماری­های ریوی در هر سال بسیاری از افراد جامعه را مبتلا می­کنند که باعث کاهش سطح عملکرد فرد در فعالیت­های روزمره می_­گردند. بیماری­های دستگاه تنفسی در انگلستان شایع­ترین عامل مراجعه به پزشکان عمومی است[1]. میزان اختلال در عملکرد تنفس در یک بیماری ریوی به نوع بیماری و وسعت آسیب وارده بستگی دارد. بیماری­های ریوی می­توانند عفونت دستگاه تنفسی فوقانی[5]، پنومونی[6] و یا بیماری مزمن انسدادی ریه[7] باشند.

 

بیماری­های مزمن تنفسی از 10 مورد بیماری­های تهدید کننده حیات در جهان هستند[8]. مطابق آمار سازمان بهداشت جهانی[9]، صدها میلیون نفر از جمعیت جهان از بیماری­های مزمن تنفسی رنج می­برند. پیش­بینی می­شود تا سال 2030 میلادی به سومین عامل مرگ­و­میر در جهان بعد از بیماری­های قلبی­و­عروقی و سرطان­ها تبدیل گردد[1]. فاکتور اصلی ما در این روند، تشخیص سریع و صحیح این بیماری در همان ابتدای روزهای بستری است.

 

تکنیک­های داده­کاوی[10] علاوه بر این­که می­توانند در تشخیص سریع این بیماری­ها موثر باشند، می­توانند از طریق شناسایی عوامل موثر در بروز انواع بیماری­های تنفسی، به پیش­گیری از این بیماری­ها کمک کنند و به­ این ترتیب باعث ارتقای سلامت جامعه شده و از تحمیل هزینه­های سنگین ناشی از تشخیص نادرست، بر بیماران جلوگیری کنند.

 

1-2. اهمیت و ضرورت تحقیق

 

بیماری­های مزمن تنفسی از 10 مورد بیماری­های تهدید کننده حیات در جهان هستند و پیش­بینی می­شود تا سال 2030 میلادی به سومین عامل مرگ­و­میر در جهان بعد از بیماری­های قلبی­و­عروقی و سرطان­ها تبدیل گردد. گرچه، گسترش تکنولوژی­های پزشکی در دهه گذشته، موجب کاهش میزان مرگ­ومیر ناشی از این بیماری شده است و به­دلیل تشخیص زودهنگام و درمان بهینه، میزان بهبودی افزایش یافته است. اما میزان بهبودی بیماران در این نوع بیماری­ها بستگی به نوع بیماری و وسعت آسیب وارده به دستگاه تنفسی دارد[11]. تشخیص زودهنگام نیز به یک روش تشخیص صحیح و قابل اعتماد نیاز دارد که به پزشکان اجازه می­دهد که عفونت دستگاه تنفسی فوقانی، پنومونی و بیماری مزمن انسدادی ریه را از هم شناسایی کنند. بنابراین یافتن یک متد تشخیص صحیح و موثر و همچنین عوامل خطر در بروز این بیماری، بسیار بااهمیت است.

 

مشکلی که در این بیماری وجود دارد این است که در ابتدا ممکن است یک سرماخوردگی یا آنفولانزای ساده به­نظر آید. گاهی حتی به مدت زمان طولانی بیمار از این بیماری رنج می­برد. بدیهی است که در این مدت بیماری پیشرفت کرده و این تاخیر در تشخیص نوع بیماری، روند درمان را با مشکل مواجه خواهد کرد تا جایی که حتی ممکن است به مرگ بیمار منجر شود. بنابراین نیاز است تا از روش­های پیشرفته­تری برای تشخیص زودهنگام این نوع بیماری­های تنفسی استفاده شود. روش­های رایج برای تشخیص زودهنگام بیماری­های تنفسی عبارتند از: تست­های آزمایشگاهی، رادیوگرافی[12] قفسه سینه، اسکن هسته­ای ریه، ام­آر­آی[13]، آسپیراسیون سوزنی[14] از طریق دیواره قفسه سینه. این روش­ها علاوه بر هزینه­ی بالایی که بر بیمار تحمیل می­کنند، ممکن است مضراتی را برای بیمار در پی داشته باشند. به عنوان مثال: ام­آر­آی پرهزینه و کار با آن مشکل است. موجب مشکلات برای بیماران که دارای اجسام فلزی در بدن خود می­باشند، می­شود. در ضمن بیمار در حین انجام ام­آرآی باید بی­حرکت بوده و حرکات غیرقابل پیش­گیری، مانند تنفس ضربان قلب اغلب تصویر را مخدوش می­سازد. همچنین برای بیمارانی که مشکلات تنفسی و کسانی که از محیط­های بسته می­ترسند، عبور از تونل تنگ دستگاه ام­آی­آر توصیه نمی­شود.

 

این در حالی است که امروزه استفاده از سیستم­های رده­بندی[15]، می­توانند به کاهش خطایی که ممکن است توسط کارشناسان کم­تجربه اتفاق بیفتد، کمک کنند و همچنین امکان بررسی داده­های پزشکی را در زمان کوتاه­تر و با جزئیات بیش­تر فراهم می­کنند. تکنیک­های داده­ کاوی می­توانند دانش نهفته در پایگاه های داده را استخراج و در پیش­­گیری، تشخیص و معالجه­ی این بیماری به پزشک و بیمار کمک کنند.

 

1-3. قلمرو تحقیق

 

2‌.2‌.1‌   تاریخچه داده‌کاوی……………………. 31

 

2‌.2‌.2‌   چارچوبی کلی برای الگوریتم‌های داده‌کاوی……………………. 33

 

2‌.2‌.3‌   کاربرد داده‌کاوی در کشف تقلبات مالی……………………. 35

 

2‌.2‌.4‌   پرکاربردترین روش‌‌های داده‌کاوی برای کشف تقلب‌‌های مالی…………….. 40

 

2‌.2‌.5‌   رویکرد داده‌کاوی در حل مسائل پولشویی……………………. 42

 

2‌.2‌.6‌   برخی تحقیقات مرتبط…………………… 46

 

2‌.3‌   جمع بندی……………………. 49

 

3فصل سوم ارائه طرح سیستم ضد پولشویی با داده‌کاوی…….. 52

 

3دیباچه…………………… 53

 

3‌.1‌   روش‌شناسی تحقیق……………………. 53

 

3‌.1‌.1‌   روش تحقیق……………………. 53

 

3‌.2‌   شیوه‌ها و ابزارهای جمع‌آوری داده‌ها………………….. 54

 

3‌.2‌.1‌   بررسی داده‌‌های قابل دریافت…………………….. 54

 

3‌.2‌.2‌   بررسی سایر اطلاعات موجود در بانك…………………….. 55

 

3‌.2‌.3‌   بررسی محدودیت‌‌های بانك در ارائه اطلاعات……………………. 55

 

3‌.2‌.4‌   بررسی محدودیت‌های بانك اطلاعاتی……………………. 55

 

3‌.2‌.5‌   مشخص شدن داده‌‌های مورد نیاز برای فاز‌های مختلف پروژه …….. 56

 

3‌.2‌.6   ‌ارائه فرمت دریافت اطلاعات از بانك اطلاعاتی …………………… 56

 

3‌.2‌.7   حجم ، زمان و مکان مورد نیاز جهت ارائه اطلاعات …………………… 56

 

3‌.2‌.8‌   آمایش داده‌‌ها………………….. 56

 

3‌.3   جامعه نظری و روش نمونه‌گیری……………………. 57

 

3‌.4‌   مفروضات تحقیق……………………. 58

 

3‌.5‌   شیوه تجزیه و تحلیل داده‌ها …………………..58

 

3‌.5‌.1‌   مرور پیشینه تحقیق……………………. 59

 

3‌.5‌.2‌   نظرخواهی از خبرگان……………………. 60

 

3‌.5‌.3‌   بررسی اسناد و مدارک آرشیوی……………………. 66

 

3‌.5‌.4‌   طراحی مدل ضد پولشویی بر اساس داده‌کاوی……………………. 68

 

3‌.5‌.5‌   جمع بندی……………………. 74

 

4فصل چهارم اجرای تحقیق…………………….. 75

 

4دیباچه………………….. 76

 

4‌.1‌   جزئیات پیاده‌سازی مدل……………………. 76

 

4‌.1‌.1‌   آمایش داده‌‌ها………………….. 76

 

4‌.1‌.2‌   دسته بندی اطلاعات براساس شاخص‌های خطی و جدا نمودن بخش مشکوک……. 77

 

4‌.1‌.3‌   فیلترینگ و جداسازی اطلاعات مناسب…………………….. 80

 

4‌.1‌.4‌   خوشه بندی……………………. 83

 

4‌.1‌.5‌   اجرای الگوریتم نظارت‌شده………………….. 92

 

4‌.1‌.6‌   جمع‌آوری نتایج……………………. 93

 

4‌.2‌   تست و ارزیابی……………………. 94

 

4‌.2‌.1‌   نحوه تست…………………….. 94

 

4‌.2‌.2‌   محاسبه معیار‌های دقت، بازآوری، یکتائی و صحت…………………….. 95

 

 

4‌.3‌   نتیجه گیری……………………. 96

 

5فصل پنجم جمع‌بندی و نتیجه‌گیری……………………. 98

 

5دیباچه…………………… 99

 

5‌.1‌   نتیجه گیری……………………. 99

 

5‌.2‌   محدودیت‌های پژوهش……………………… 100

 

5‌.3‌   پیشنهاد برای پژوهش‌‌های آینده …………………..101

 

6منابع و مراجع……………………. 102

 

چکیده:

 

پولشویی به عنوان یک فرایند مجرمانه مالی، اقدامی است که در آن منشأ و منبع وجوهی که به صورت غیر قانونی به‌دست آمده از طریق رشته ‍‍‍‌‌های نقل و انتقالات و معاملات به گونه‌ای پنهان می‌شود که همان وجوه به صورت قانونی نمود پیدا کرده و وارد فعالیت‌‌ها و مجاری قانونی می‌گردد. داده‌کاوی به عنوان فرایندی خودکار برای استخراج اطلاعات و الگو‌های جالب توجه، بارز، ضمنی، از قبل ناشناخته و بالقوه مفید از انبار داده‌‌های حجیم، شناخته می‌شود. هنگامی که الگوریتم‌‌ها و تکنیک‌‌های داده‌کاوی روی چنین تراکنش‌‌هائی اعمال می‌شوند، الگو‌های پنهان از جریان وجوه را کشف می‌کنند. بررسی داده‌‌ها و اعلام نظر روی آن‌ها از دو روش کلی تبعیت می‌نماید اول استفاده از شاخص‌ها با استفاده از روش‌های خطی و آماری و دوم استفاده از الگوریتم‌‌های داده‌کاوی که آن هم به دو صورت نظارت‌شده و بدون ناظر تقسیم شده و در این پروژه از هر دو روش استفاده شده است. خروجی‌‌های این پروژه شامل مستندات علمی، روش‌های داده محور برای شناسایی پولشویی، ارائه یك مدل برای پیاده‌سازی چارچوب ضد پولشویی در بانك و در نهایت بهره‌گیری از فناوری‌‌های نرم افزاری و پیاده سازی کل جریان پروژه می‌باشد. پس از اجرا، نتایج به دو صورت ارائه به متخصصان فنی و همچنین محاسبه معیار‌های عملکرد متداول در داده‌کاوی ارزیابی می‌گردد. در مراحلی از پروژه که نیاز به بررسی و آشنایی با سوابق تحقیقات در زمینۀ پولشویی و یا الگوریتم‌های مرتبط با آن باشد از روش تحقیق میدانی و کتابخانه‌ای استفاده می‌شود. از سوی دیگر رویکرد تحقیق نیز به صورت پیمایشی بوده که در آن با هدف مطالعۀ ماهیت و ویژگی‌های مشتریان بانك فرآیند تحقیق و مطالعه طی شده است. در مجموع باید گفت که از مدلی کمی در این تحقیق استفاده شده که مبتنی بر پردازش داده‌‌ها از نوع دادۀ واقعی، بوده است.

 

فصل اول: کلیات تحقیق

 

1-1- تعریف مسأله و بیان سؤال های اصلی تحقیق

 

تعاریف متعددی برای پولشویی عنوان شده است که از جمله می توان به موارد ذیل اشاره کرد[15]:

 

– بنا به تعریفی پولشویی یعنی شسته شدن و تبدیل پول کثیف به پول تمیز به نوعی که پس از خروج از این چرخه قانونی جلوه کند؛ به عبارت دیگر پولشویی عبارت است از هر نوع عمل برای مخفی کردن یا تغییر هویت نامشروع حاصل از فعالیت‌‌های مجرمانه به گونه ای که وانمود شود این عواید از منابع قانونی حاصل شده است.

 

– مجموعه اقداماتی است که از سوی فرد یا افرادی با به کارگیری ابزار‌های قانونی و با هدف عدم امکان قابلیت ردیابی گردش عواید حاصل از جرم به منظور مخفی کردن منشأ و منبع واقعی پول حاصل از اعمال مجرمانه و نامشروع صورت میگیرد تا پول آلوده و نامشروع در ظاهر پاک و قانونی جلوه نماید.

 

از این تعاریف چنین بر می آید که عملیات پولشویی به فرآِیند تطهیر پول کثیف گفته می شود. پول کثیف به پولی گفته می‌شود که از راه‌های خلاف و غیرقانونی بدست آمده باشد. از آنجا که بانک‌ها یکی از بهترین موسساتی هستند که می توانند به پولشویان در فرآیند تطهیر پول کثیف کمك کرده و مسیر دسترسی به منشا پول را گمراه و یا پاک نمایند در تمام کشور‌ها یکی از مهمترین موسساتی که مرجع سو استفاده پولشویان قرار می گیرند بانک‌ها هستند[44].

 

بدین نظر دراین پروژه ما می بایست در ابتدا به مطالعه بانک‌ها و روش‌هایی که ممکن است پولشویان از آن طریق در بانک‌ها اقدام به پولشویی نمایند پرداخته و با بررسی این روش‌ها و همچنین اطلاعات در دسترس جهت این روش‌ها، الگو‌های این روش و … سعی در یافتن راه‌هایی جهت کشف، اجرا و پیاده سازی داده محور این اقدامات داشته باشیم.

 

در این راستا ضمن بررسی عملیات اجرا شده در بانك مورد نظر و مشورت با کارشناسان و مشاوران این بانك مشخص گردید که روش‌های مختلفی جهت پولشویی توسط پولشویان در این بانك اجرا می‌گردد، همچنین توسط بانک‌ها نیز روش‌های متفاوتی جهت جلوگیری از این عملیات اجرا می گردد.

 

2-1-۳-۱. ویژگی‏ها………………………………………………………………………………………………………. 28

 

2-1-۳-۲. مدل‏های جفت اشاره………………………………………………………………………………….. 28

 

2-1-۳-۲-۱. رده بندی جفت عبارت‏های اسمی………………………………………………….. 32

 

2-1-۳-۲-۱-1. درخت تصمیم………………………………………………………………………… 33

 

2-1-۳-۲-۲.افراز……………………………………………………………………………………………………… 35

 

2-1-۳-۲-۲-۱.درختِ بل………………………………………………………………………………….. 36

 

2-1-۳-۲-۲-۲. افراز گراف……………………………………………………………………………….. 38

 

2-1-۳-۳. روش‏های مبتنی بر پیکره……………………………………………………………………………… 40

 

2-1-۳-۴. روش‏های جایگزین…………………………………………………………………………………………. 44

 

2-1-۳-۴-۱. روش هم‏آموزی…………………………………………………………………………………….. 44

 

2-1-۳-۴-۲. مدل احتمالاتی مرتبه اول…………………………………………………………………… 46

 

2-1-۳-۴-۳. رتبه‏بندی………………………………………………………………………………………………. 47

 

2-1-۳-۴-۴. فیلدهای تصادفی شرطی……………………………………………………………………… 49

 

2-1-۳-۴-۵. خوشه ‏بندی………………………………………………………………………………………….. 51

 

2-1-۴. جمع‏بندی………………………………………………………………………………………………………. 56

 

فصل 2: بخش دوم…………………………………………………………………………………….. 57

 

2-2-۱. پیکره نشانه گذاری شده توسط اطلاعات هم‏مرجع…………………………………………………. 58

 

2-2-۲. پیکره بیژن‏خان………………………………………………………………………………………………….. 59

 

2-2-۳. پیکره لوتوس…………………………………………………………………………………………………….. 60

 

2-2-۴.شیوه‏ های نشانه ‏گذاری پیکره لوتوس…………………………………………………………….. 62

 

2-2-۴-۱. نشانه‏گذاری انواع موجودیت‏ها………………………………………………………………………….. 62

 

2-2-۴-۱-۱. موجودیت شخص……………………………………………………………………………………… 64

 

2-2-۴-۱-۲. موجودیت سازمان……………………………………………………………………………………… 64

 

2-2-۴-۱-۳. موجودیت مکان…………………………………………………………………………………………. 66

 

2-2-۴-۱-۴. موجودیت سیاسی……………………………………………………………………………………… 66

 

2-2-۴-۲.کلاس هر موجودیت……………………………………………………………………………………………. 68

 

2-2-۴-۲-۱.غیر ارجاعی……………………………………………………………………………………………….. 69

 

2-2-۴-۲-۲.ارجاعی………………………………………………………………………………………………………. 69

 

2-2-۴-۲-۲-۱.ارزیابی به شکل منفی……………………………………………………………………… 69

 

2-2-۴-۲-۲-۲.ارجاعی خاص………………………………………………………………………………….. 70

 

2-2-۴-۲-۲-۳.ارجاعی عمومی……………………………………………………………………………….. 70

 

2-2-۴-۲-۲-۴.ارجاعی زیر مشخص شده………………………………………………………………. 70

 

2-2-۴-۳.انواع اشاره/سطوح اشاره…………………………………………………………………………… 71

 

2-2-۴-۳-۱.اشاره ساده………………………………………………………………………………………………….. 72

 

2-2-۴-۳-۱-۱.محدوده اشاره………………………………………………………………………………….. 72

 

2-2-۴-۳-۱-۲. هسته اشاره……………………………………………………………………………………. 72

 

2-2-۴-۳-۱-۳.انواع اشاره ساده………………………………………………………………………………. 72

 

2-2-۴-۳-۲.ساختارهای پیچیده………………………………………………………………………………………. 74

 

2-2-۴-4-۲-۱.ساختارهای عطف بیان یا بدل……………………………………………………….. 75

 

2-2-۵.جمع‏بندی………………………………………………………………………………………………………… 75

 

فصل 3: الگوریتم­های پیشنهادی……………………………………………………………….. 76

 

3-۱. رده بندی دودویی…………………………………………………………………………………………… 76

 

3-1-1.جدا کننده‏های خطی………………………………………………………………………………… 77

 

3-1-1-1 پرسپترون……………………………………………………………………………………………… 78

 

3-1-1-2 ماشین بردار پشتیبان…………………………………………………………………………………….. 80

 

3-1-1-3 درخت تصمیم………………………………………………………………………………………………… 85

 

3-۲.خوشه ‏بندی…………………………………………………………………………………………………………. 88

 

3-2-1 .الگوریتم‏های افراز بسته‏ای…………………………………………………………………………………… 89

 

3-2-1-1 .خوشه ‏بندی سلسله مراتبی پایین به بالا……………………………………………………. 90

 

3-2-1-2 .آموزش الگوریتم خوشه‏بندی سلسله مراتبی…………………………………………….. 93

 

3-3.جمع‏بندی……………………………………………………………………………………………………….. 96

 

فصل 4: سیستم ارزیابی…………………………………………………………………………….. 97

 

4-۱.مقدمه………………………………………………………………………………………………………………. 97

 

 

4-۲.سیستم شناسایی اشاره لوتوس………………………………………………………………….. 98

 

4-2-1 .بانک اطلاعاتی…………………………………………………………………………………… 98

 

4-2-2.سیستم شناسایی اشاره………………………………………………………………………….. 102

 

4-3.تشخیص اشاره‏های هم مرجع……………………………………………………………………………….. 103

 

4-3-1 ویژگی‏ها…………………………………………………………………………………………………….. 104

 

4-3-2.الگوریتم یادگیری…………………………………………………………………………………….. 105

 

4-3-3.معیار ارزیابی…………………………………………………………………………………………….. 107

 

4-3-4.نتیجه ارزیابی……………………………………………………………………………………… 110

 

4-3-4-1.نتایج بدست آمده……………………………………………………………………………………….. 110

 

4-3-4-.2چالش‏ها و تحلیل خطا……………………………………………………………………………….. 112

 

4-4.جمع‏بندی……………………………………………………………………………………………………… 115

 

فصل 5 :نتیجه گیری و پیشنهادها……………………………………………………………… 116

 

5-۱.نتیجه‏ گیری………………………………………………………………………………………………….. 116

 

5-2.پیشنهادها…………………………………………………………………………………………………… 118

 

فصل .6 منابع………………………………………………………………………………………….. 121

 

چکیده:

 

پردازش زبان طبیعی شامل وظایفی همچون استخراج اطلاعات، خلاصه‏سازی متن، پرسش و پاسخ می باشد که همگی نیاز دارند تا تمام اطلاعاتی که در مورد یک موجودیت در متن وجود دارد شناسایی شوند. بنابراین وجود سیستمی که بتواند مسئله هم‏مرجع را بررسی نماید، کمک شایانی به انجامِ موفقیت‏آمیز این وظایف خواهد نمود. روش‏های تشخیص مرجع مشترک را می‏توان به دو دسته‏ روش‏های زبان‏شناسی و روش‏های یادگیری ماشین تقسیم نمود. روش‏های زبان‏شناسی بیشتر به اطلاعات زبان‏شناسی نیاز دارند، البته مشکل این روش‏ها این است که پر خطا و طولانی می‏باشند. از طرف دیگر روش‏های یادگیری ماشین کمتر به اطلاعات زبان‏شناسی نیاز دارند و نتایج حاصل از آنها قابل اعتماد‏تر است. در این پایان ‏نامه تلاش می‏کنیم تا فرآیند تشخیص مرجع‏مشترک را مورد مطالعه قرار دهیم و چارچوبی ارائه دهیم تا بتواند علاوه بر شناسایی اشاره ‏ها، عبارت‏های هم‏مرجع را نیز تشخیص دهد. به همین منظور باید سه رکن اساسی کار را که پیکره نشانه‏ گذاری شده، سیستم شناساییِ اشاره و محدوده آن، و الگوریتم پیشنهادی پیش‏بینی عبارت‏های اسمی هم‏‏مرجع را مبنای کار قرار دهیم. درهمین راستا، در قدم اول، پیکره‏ای با نشانه ‏هایی شامل محدوده‏ی اشاره، نوع اشاره، هسته‏ی اشاره، نوع موجودیت، نوع زیر گروه موجودیت، کلاس موجودیت تهیه می‏کنیم، این پیکره می‏تواند به عنوان اولین پیکره دارای نشانه ‏های اشاره و هم‏مرجعی، مبنای کار بسیاری از پژوهش‏های مربوط به شناسایی و کشف اشاره و تحلیل هم‏مرجعی قرار گیرد. همچنین با استفاده از این پیکره و بررسی قوانین و اولویت‏های میان اشاره ‏ها، سیستمی ارائه می‏کنیم که اشاره ‏های موجود در متن را شناسایی کرده و سپس نمونه ‏های مثبت و منفی را از پیکره لوتوس استخراج می‏کند. در نهایت نیز با استفاده از الگوریتم‏های یادگیری پایه درخت تصمیم، شبکه عصبی و ماشین بردار پشتیبان، نمونه‏ های حاصله را مورد ارزیابی و مقایسه قرار دادیم. نتایج حاصل نشان می‏دهد که یادگیر شبکه عصبی، نسبت به سایرین عملکرد بهتری دارد.

 

فصل اول

 

1-1- مقدمه و بیان مسئله

 

امروزه رایانه در تمام لایه‏های زندگی بشر نفوذ کرده است. بطوریکه استفاده از فناوری رایانه در حوزه زبان‏شناسی، بیش از پیش احساس می‏شود. «پردازش زبان طبیعی»شاخه‏ای از علم «هوش مصنوعی» است كه به ماشینی كردن فرآیند زبان شناسی سنتی می‏پردازد. به این ترتیب با استفاده از رایانه می‏توان «زبان گفتاری ونوشتاری» را پردازش نمود، به طوریکه رایانه‏ها نیز قادر باشند زبان انسان را درک کرده و بتوانند از زبان طبیعی به عنوان ورودی وخروجی استفاده كند. به این ترتیب یک رایانه، درهنگام دریافت ورودی، نیاز به «درک» و درهنگام ارسال خروجی، نیاز به «تولید» زبان طبیعی دارد. ]81[

 

در زمینه پردازش زبان طبیعی پژوهش‏هایی مانند طبقه‏بندی متون، برچسب‏گذاری ادات سخن، تعیین و ابهام‏زدایی از معانی واژگان و… انجام شده است که تنها بر روی یک حوزه خاص تمرکز داشته‏اند و در نتیجه راه حل‏هایی جزئی در راستای اهداف کلی پردازش زبان طبیعی محسوب می‏‏‏شوند. تمامی این حوزه‏های جزئی باید حل شوند تا در نهایت رایانه بتواند همانند انسان واژگان و جملات را پردازش کرده و یا آنها را بسازد.                

 

وظایف زبان طبیعی را می‏توان به ریز کاربردها و کلان کاربردها افراز نمود. به طور کلی تا کنون تحقیقات انجام شده بیشتر بر روی پردازش‏هایی در سطح واژه و یا جمله (مانند برچسب گذاری ادات سخن، ابهام زدائی از مفهوم واژگان، شناسایی موجودیت‏های نامدار و … ) و یا در سطح کل متن (تشخیص هرزنامه، رده بندی متون و…) متمرکز شده اند؛ برخی از کاربرد‏ها نیز مانند استخراج اطلاعات، تشخیص مرجع مشترک و ماشین ترجمه در سطح بینابین قرار گرفته‏اند. ]27[بدیهی است که در توسعه یک کاربرد سطح بالاتر همانند تعیین ویژگی‏های معنایی متون، انواع متفاوتی از ویژگی‏های سطح پایین‏تر (مانند ویژگی‏های لغوی و نحوی) نیز لازم است، اما به لطف سیستم‏های جدید که تا حد زیادی به روش‏های آماری یادگیری ماشین بستگی دارند، دیگر در آنها، به تمامی‏‏‏ ویژگی‏های سطح پایین‏تر نیازی نیست. علت اینکه روش‏های یادگیری ماشین توانسته‏اند با وجود سادگی، به موفقیت قابل توجهی دست یابند این است که اطلاعات آماری پایه، دانشی را فراهم می‏آورد که برای بسیاری از کاربرد‏ها کافی بوده و می‏‏‏‏تواند به کارائی قابل توجهی منجر شود. با این وجود، باید توجه داشت که روش‏های آماری محدود است و هرگز نمی‏توانند درک کاملی از محتوای معانی یک متن را فراهم آورند.

 

از طرفی دیگر، با فراهم شدن اطلاعات و قدرت محاسباتی بیشتر، سیستم‏‏هایی که واژگان و جملات درست را از غلط تشخیص می‏دهند، به طور گسترده‏ای در حال توسعه هستند. به عنوان مثال، در زبان انگلیسی برچسب گذاری ادات سخن به صحتی برابر با ۹۸%، شیوه‏های تجزیه کردن به صحتی برابر با ۹۰%، و شناسایی موجودیت‏های نامدار به صحت ۹۱% رسیده اند. [78,55,38[.

 

بسیاری از پژوهشگران معتقدند كه استخراج اطلاعات به عنوان یکی از مهمترین کاربردهای پردازش زبان طبیعی محسوب می‏شود، که مجموعه‏ای از تکنیک‏های رده‏بندی، خوشه‏بندی و قوانین وابستگی است و خروجی استخراج اطلاعات شامل، شناسایی موجودیت‏ها ، تعیین نوع وگروه آنها، طبقه بندی ارتباط میان موجودیت‏ها و همچنین استخراج رویدادهایی كه در آن مشاركت دارند، می‏باشد.[71[ در نهایت می‏توان گفت كه خلاصه سازی، بازیابی اطلاعات، داده‏كاوی، پرسش و پاسخ و درك زبان از جمله كاربردهای این سیستم هستند.

 

تمرکز اصلی این پژوهش بررسی فرآیند تشخیص مرجع مشترک به عنوان یکی از فرآیندهای مهم استخراج اطلاعات است؛ در تشخیص مرجع مشترک تمام عبارت‏های اسمی‏‏‏ که به یک موجودیت واحد در دنیای واقعی اشاره دارند، تعیین می‏گردند. هدف نهایی این پایان‏نامه شناسایی اشاره‏های هم مرجع شامل ضمیر و اسم اشاره در متون پارسی می‏باشد. برای تحقق این هدف نیاز به انجام پیش پردازش‏هایی بر روی متون خام می‏باشد تا داده‏های مورد نیاز برای ورود به فرآیند تحلیل مرجع مشترک فراهم شوند. فرض ما بر این است که خروجی حاصل از فرآیند کشف اشاره به عنوان یک پیش پردازش می‏تواند در کنار سایر پیمانه‏های پیش پردازشی مانند تجزیه‏گر، شناسایی موجودیت‏های نامدار و… بر بهبود عملکرد تحلیل مرجع مشترک موثر واقع شود. [23،38،53،83]

 

به هر ترتیب شناسایی عبارت‏های اسمی‏‏‏ هم‏مرجع از مهمترین زیر وظایف استخراج اطلاعات می‏باشند که بهبود عملکرد آن موجب بهبود عملکرد کلی سیستم استخراج اطلاعات و سایر سیستم‏های مرتبط با آن خواهد شد.

 

واحد مورد بررسی در حوزه تشخیص مرجع مشترک، متن می باشد که پس از اجرای ماژول‏هایی متفاوت، متن مورد نظر به عبارت های اسمی یا به عبارت بهتر به اشاره تبدیل می‏شود. روش‏های موجود در این حوزه، به دو دسته روش‏های زبان‏شناسی و روش‏های یادگیری ماشین تقسیم می‏‏‏شوند. [76[ در روش اول، ابتدا به ازای هر عبارت اسمی‏‏، مراجع کاندیدا تعیین می‏‏‏شود و سپس با به کارگیری مجموعه‏ای از قواعد زبان‏شناسی، برخی از کاندیداها حذف شده و کاندیداهای باقیمانده نیز امتیازدهی می‏‏‏شوند و در‏نهایت کاندیدایی به عنوان مرجع برگزیده می‏‏‏شود که بیشترین امتیاز را کسب کرده باشد. مسئله اصلی در این روش این است که کسب اطلاعات زبان‏شناسی مورد نیاز، فرآیندی زمان‏بر، پرهزینه و پر خطاست. البته با پیدایش پیکره‏های زبان‏شناسی و موفقیت روش‏های یادگیری ماشین در سایر حوزه‏ها، روش‏های زبان‏شناسی جای خود را به روش‏های یادگیری ماشین دادند. در یادگیری ماشین، به محاسبات زبان‏شناسی پیچیده و سطح بالای روش‏های زبان‏شناسی نیاز نیست به طوریکه با استفاده از دانش اندکی در زمینه زبان‏شناسی نیز می‏توان به نتایج خوب و قابل توجهی دست یافت.

 

از سوی دیگر، امروزه اغلب پژوهشگران فرآیند تشخیص مرجع مشترک را به دو مرحله تقسیم می‏‏‏ کنند. (۱) کشف و شناسایی اشاره؛ برای شناسایی عبارت‏های اسمی‏‏‏ که به موجودیت ها در دنیای واقعی اشاره دارند، (۲) شناسائی اشاره‏هایی که به یک مرجع واحد اشاره دارند. به این ترتیب در مرحله اول، اکثر عبارت‏های اسمی‏‏‏ تحت عنوان اشاره و در قالب چهار گروه اصلی ضمایر، اسامی‏‏‏ خاص، اسامی‏‏‏ عام و غیر اشاره‏ها قرار می‏گیرند،[8،910،16،48،53،72] سپس این فرآیند مشخص می‏‏‏‌کند که هر اشاره به کدام موجودیت در دنیای واقعی اختصاص دار[26]می‏‏‏توان گفت که فرآیند کشف اشاره، توسعه یافته‏ی فرآیند شناسایی موجودیت‏های نامدار می‏باشد که علاوه بر شناسایی اسامی‏‏‏ خاص، به شناسایی اسامی‏‏‏ عام و ضمایر نیز می‏پردازد. [،23،72،81،113،114]از آنجائیکه بررسی فرآیند‏های شناسایی اشاره و تحلیل مرجع مشترک به طور همزمان خارج از حوزه‏ی این پایان‏نامه است، ما عبارت‏های اسمی‏‏‏ را در قالب انواع اشاره‏های گفته شده در پیکره‏ای تحت عنوان لوتوس برچسب‏گذاری می‏نمائیم و نتیجه‏ی آن را برای تحلیل مرجع مشترک به کار خواهیم برد.

 

چارچوب کلی این پایان‏نامه به این صورت می‏باشد: در بخش دوم این فصل گذری کوتاه بر انواع روابط میان دو عبارت اسمی‏‏‏ و به خصوص ارتباط‏های هم‏مرجعی خواهیم داشت. سپس در بخش اول فصل دوم، روش‏های ارائه شده برای تشخیص مرجع مشترک را مورد بررسی و مطالعه قرار می‏دهیم و در بخش دوم آن، به نحوه ایجاد پیکره‏ای مناسب برای کشف اشاره و تحلیل مرجع مشترک خواهیم پرداخت. در فصل سوم، به الگوریتم‏های مناسب برای این پایان‏نامه را معرفی می نمائیم. سیستم پیشهنادی برای شناسایی اشاره‏های ارجاع شده در فصل چهارم معرفی خواهد شد و همچنین در این فصل الگوریتم‏های یادشده را مورد ارزیابی قرار می‏دهیم. در نهایت در فصل پنجم نیز به نتیجه گیری و پیشنهاد كارهای آتی در ادامه‏ی این پژوهش خواهیم پرداخت.

 

1-2.بررسی ارتباط هم ‏مرجعی

 

یکی از ‏ویژگی‏های خاص گفتمان این است که می‏توان در یک متن آزادانه در مورد یک یا چند موجودیت صحبت کرد و برای اشاره به هر موجودیت از انواع مختلف عبارت‏ها مانند ضمیر (او)، اسم عام (دانشمند)، اسم خاص (لطفعلی عسگر زاده) و یا یک عبارت اسمی‏(بنیان‏گذار منطق فازی) بهره برد تا به این ترتیب از تکرار عبارت‏ها کاسته و شیوایی مطلب نیز افزایش یابد. همین ویژگی موجب می‏شود که زنجیره‏ها‏ی بالقوه‏ای از تمام عبارت‏های اسمی‏که به یک موجودیت واحد در متن ارجاع دارند، ایجاد گردد. (مانند: او، دانشمند، لطفعلی عسگر زاده، بنیان‏گذار منطق فازی که به شخص پرفسور زاده اشاره دارند).

 

یکی از اهداف مهم استخراج اطلاعات، شناسایی این زنجیره‏ها در متن است که در فرآیند تحلیل مرجع‏مشترک انجام می‏پذیرد. برای شروع، مثال ۱ را در نظر بگیرید:

 

مثال۱: (سیستم آبیاری گلاب) _۱Ant, در روز سه شنبه رونمایی شد. (این سیستم)_۱Ana, محصول اندیشه‏ی (دکتر سارا شکری)_۲Ant, است. (او) _Ana,2، ( یک پژوهشگر)_Ana در (شرکت آبیاری لاله)_۳ است.

 

اگر فرض کنیم که پیمانه‏های نشانه‏گذاری تا کشف اشاره به عنوان پیش پردازش‏هایی بر روی متن اجرا شوند، با اجرای این پیمانه‏ها، انواع عبارت‏های اسمی‏موجود در متن (سیستم آبیاری، این سیستم، دکتر سارا شکری، او، یک پژوهشگر و شرکت آبیاری لاله) تعیین و نشانه‏گذاری می‏شوند. سپس با اجرای پیمانه تشخیص مرجع‏مشترک، ارتباطات میان این عبارت‏ها و اطلاعات نهفته در مورد موجودیت‏های شرکت کننده در متن آشکار می‏شود. به عنوان نمونه، می‏دانیم «او» و «سارا شکری» (با اندیسِ۲) به یک فرد مشخص و همچنین «سیستم آبیاری گلاب» و «این سیستم» (با اندیسِ۱) نیز به یک سیستم مشخص اشاره می‏کنند.

 

استفاده از اصطلاح موجودیت در تحلیل مرجع‏مشترک، این سؤال را مطرح می‏کند که چه چیزهایی موجودیت محسوب می‏شوند؟ تاکنون گروه‏بندی‏های متعددی برای انواع موجودیت‏ها ارائه شده است، به عنوان نمونهACE، یک تقسیم بندی هفت موجودیتی برای انواع موجودیت‏ها (شخص، سازمان، مکان، سیاسی، تسهیلات، سلاح و خودرو) و تعداد زیادی زیرگروه (به عنوان مثال شخص: فرد، گروه) و کلاس برای هر موجودیت پیشنهاد کرده است و[۶۴] که اغلب پژوهشگران همه این موجودیت‏ها و یا گاهی اوقات برخی از آن‏ها را مورد مطالعه و بررسی قرار می‏دهند.

 

یکی از ‏ویژگی‏های تحلیل مرجع‏مشترک این است که علاوه بر انواع موجودیت‏های رایج، می‏توانیم در حوزه‏ها‏ی متفاوت از تعاریف پیش فرض خود نیز برای موجودیت‏ها نیز استفاده نماییم. همین ویژگی موجب شده است تا برخی از پژوهشگران مانند[97] به تحلیل مرجع‏مشترک در متون پزشکی پرداخته و بررسی موجودیت‏هایی مانند انواع دارو، بیماری، ژن وغیره را هدف پژوهش خود قرار دهند.

 

با توجه به آنچه تا‏کنون گفته شد، انتظار می‏رود که با بررسی مراجع مشترک در مثال ۱، عبارت «یک پژوهشگر» نیز به همراه «او» و «سارا شکری» در یک زنجیره واحد قرار گیرد، اما خروجی پیمانه تحلیل مرجع‏مشترک چنین نیست. هر چند از نظر ما این ارتباط کاملاً بدیهی است اما واقعیت این است که عبارت «یک پژوهشگر» به عنوان ارجاع به موجودیت شخص   (در مثال ۱: سارا شکری) که در دنیای واقعی زندگی می‏کند در نظر گرفته نمی‏شود، چون منظور از «یک پژوهشگر» می‏تواند هر شخص دیگری نیز باشد. در این حالت فرآیند دیگری تحت عنوان تحلیل پیشایند می‏تواند ارتباط میان «یک پژوهشگر» و «سارا شکری» را تشخیص دهد.

 

همان طور که مشاهده شد، تحلیل مرجع‏مشترک و تحلیل پیشایند دو مفهوم نزدیک به هم می‏باشند به طوری که عموماً به موازات تحلیل مرجع‏مشترک، با تحلیل پیشایند روبرو می‏شویم و حتی برخی به اشتباه این دو عبارت را معادل یکدیگر می‏پندارند. با وجود اینکه این دو پیمانه از بسیاری از جهات با یکدیگر مشابه هستند، اما از جهاتی نیز با یکدیگر تفاوت دارند، و عدم توجه به این مسئله موجب سردرگمی‏و ایجاد ابهام در تحلیل متن می‏گردد.در این بخش، هدف ما بررسی هرکدام از این فرآیند‏ها‏ و مطالعه برخی از شباهت‏ها‏ و تفاوت‏ها‏ی میان این دو فرآیند می‏باشد.

 

[1] معادل پارسی عبارت انگلیسی Natural Language processing

 

[2] معادل پارسی عبارت انگلیسی Artificial Intelligence

 

[3] معادل پارسی عبارت انگلیسی Text classification

 

[4] معادل پارسی عبارت انگلیسی Part of speech tagging

 

[5] معادل پارسی عبارت انگلیسی Word sense disambiguation

 

[6] معادل پارسی عبارت انگلیسی Micro-task

 

[7] معادل پارسی عبارت انگلیسی Macro-task

 

[8] معادل پارسی عبارت انگیسی Named Entity Recognizers(NER)

 

[9] معادل پارسی عبارت انگیسی Spam Detection

 

[10] معادل پارسی عبارت انگیسی Information Extraction(IE)

 

[11] معادل پارسی عبارت انگیسی Coreference Resolution(CR)

 

[12] معادل پارسی عبارت انگیسی Machin Translation(MT)

 

[13] معادل پارسی واژه انگیسی Lexical

 

[14] معادل پارسی واژه انگیسی Syntactical

 

[15] معادل پارسی واژه انگیسی Parsing

 

[16] معادل پارسی واژه انگیسی Classification

 

[17] معادل پارسی واژه انگلیسی Clustering

 

2-8-3-آموزش بر پایه کامپیوتر(CBT)………………………..

 

2-8-4آموزش بر پایه اینترنت (IBT)………………………..

 

2-8-5آموزش بر پایه وب ( WBT)………………………..

 

2-9-سیستم های یادگیری الکترونیکی…………………………. 19

 

2-9-1 سیتم مدیریت یادگیری…………………………. 19

 

2-9-2 سیتم مدیریت محتوای آموزشی (LCMS)………………………..

 

2-10- بر تحقیقات پیشین: ………………………..20

 

2-10-1فاکتورهای حیاتی موفقیت یادگیری الکترونیکی…………… 20

 

2-10-2-مدل های موفقیت سیستم های اطلاعاتی…………………. 23

 

2-10-3 مدل های موفقیت سیستم های یادگیری الکترونیکی…………. 25

 

2-11-جمع بندی مولفه های سنجش موفقیت یادگیری الکترونیکی…………… 31

 

فصل سوم: روش شناسی تحقیق

 

3-1- مقدمه : ………………………..35

 

3-2- مدل تحلیلی پژوهش…………………………… 35

 

3-3-روش تحقیق :……………………….. 41

 

3-4- ابزار جمع آوری داده ها:……………………….. 41

 

3-5 جامعه آماری و روش نمونه گیری……………………….. 42

 

3-6 روائی پرسش نامه :……………………….. 42

 

3-7-پایائی پرسشنامه:……………………….. 43

 

3-8- روش تجزیه و تحلیل…………………………. 43

 

3-9روشهای تصمیم گیری چند معیاره MCDM…………………………..

 

3-9-1روشAHP…………………………

 

3-9-2روشANP…………………………

 

3-9-3گام های فرایند ANP…………………………

 

3-9-4منطق فازی…………………………. 49

 

3-9-5مجموعه های فازی…………………………. 49

 

3-9-6اعداد فازی مثلثی…………………………. 50

 

3-9-7فرایند تحلیل شبکه فازی…………………………. 50

 

فصل چهارم:تجزیه و تحلیل داده ها

 

4-1-مقدمه………………………… 54

 

4-2- آمار توصیفی…………………………. 55

 

4-2-1جنسیت: ………………………..57

 

4-2-2 –سطح تحصیلات…………………………. 55

 

4-2-3- میزان تجربه در حوزه یادگیری الکترونیکی…………………………. 55

 

4-2-4- توزیع فراوانی پاسخ دهنده گان به تفکیک استاد و دانشجو………… 56

 

4-2-5 توزیع فراوانی سنی پاسخ دهندگان…………………………. 56

 

4-3- آمار تحلیلی…………………………. 57

 

4-3-1 – تجزیه و تحلیل داده های پرسشنامه شناسایی عوامل موفقیت سیستم های یادگیری الکترونیکی….. 57

 

4-3-1-1 تحلیل فرضیه های تحقیق……………………..60

 

4-3-2- تجزیه و تحلیل داده های پرسشنامه الویت بندی عوامل موثر بر موفقیت سیستم های یادگیری الکترونیکی……..64

 

فصل پنجم : نتیجه گیری

 

5-1-مقدمه:……………………….. 89

 

5-2-بحث و نتیجه گیری…………………………. 89

 

5-3-محدودیت های تحقیق…………………………. 93

 

5-4- پیشنهادهای عمومی:……………………..93

 

5-6-پیشنهادهایی برای تحقیقات آینده………………. 95

 

 

مراجع…………………………. 97

 

پیوستها:

 

پیوست الف : پرسشنامه شماره1………………..102

 

پیوست ب : پرسشنامه شماره 2 …………………….107

 

چکیده:

 

در عصر حاضر یکی از مهمترین اختراعات بشری که تغییرات شگرفی را در زندگی بشریت ایجاد نموده، پیدایش رایانه و بدنبال آن اینترنت بوده که باعث رقم زدن دنیای مجازی و انگیزه ای برای دانشگاهها شده است تا در بخش آموزش الکترونیکی سرمایه گذاری کنند. اما آنچه كه اهمیت بحث را روشن تر می سازد، تلاش برای كسب موفقیت در استفاده ازسیستم یادگیری الكترونیكی و سنجش میزان موفقیت این سیستم ها است. وتلاش ناموفق برای پیاده سازی یادگیری الكترونیكی، موجب از دست دادن سرمایه خواهد شد. این پژوهش با هدف شناسایی و رتبه بندی مولفه های سنجش موفقیت سیستم های یادگیری الکترونیکی دانشگاهها با رویکرد تحلیل شبکه فازی صورت پذیرفته است. بدین منظور ابتدا براساس تحقیقات پیشین مولفه ها و شاخص های سنجش موفقیت سیستم های یادگیری الکترونیکی پیشنهاد گردید، سپس بمنظور سنجش روایی و مناسب بودن مولفه ها و شاخص های پیشنهادی پرسشنامه ی شماره یک با هدف شناسایی مولفه های سنجش موفقیت سیستم های یادگیری الکترونیکی بصورت حضوری و الکترونیکی در اختیار گروه تصمیم که اساتید و دانشجویان مجازی دانشگاه سیستان و بلوچستان بودند قرار گرفت .داده های جمع آوری شده از پرسشنامه شماره یک با استفاده از نرم افزار spss مورد پردازش قرار گرفته و در تحلیل داده ها از آزمون t تک نمونه استفاده شده است. تعداد 7 مولفه و 28 شاخص نهایی گردید. سپس بر اساس مولفه ها و شاخص های نهایی شده مرحله قبل پرسشنامه شماره دو با هدف الویت بندی مولفه های سنجش موفقیت سیستم های یادگیری الکترونیکی دانشگاهها طراحی و در اختیار تعدا 7 نفر از خبرگان حوزه یادگیری الکترونیکی قرار گرفت . داده های جمع آوری شده از پرسشنامه شماره دو با استفاده از تکنیک تحلیل شبکه فازی مورد پردازش قرار گرفت .که مولفه های اصلی به ترتیب الویت عبارتند از :1-کیفیت اطلاعات[1] 2- کیفیت خدمات[2] 3- کیفیت سیستم و زیر ساخت[3] -4 عوامل پشتیبانی[4] -5خصوصیات استاد[5]-6 خصوصیات دانشجو[6] 7 -عوامل محیطی[7].

 

فصل اول: کلیات تحقیق

 

1-1- مقدمه

 

در این فصل به كلیات و مفاهیم تحقیق پرداخته می شود، مطالب این فصل شامل: بیان مسأله و اهمیت تحقیق،اهداف تحقیق، سئوالات و فرضیه های تحقیق،روش انجام تحقیق ،ابزار گردآوری داده ها،قلمرو تحقیق و مفاهیم و واژگان تحقیق است.

 

2-1- بیان مسأله و اهمیت تحقیق

 

اختراعات بشری غالبا تغییرات شگرفی در زندگی بشریت ایجاد نموده اند، اما همه این اختراعات دارای ارزش و تاثیرگذاری یكسانی نیستند. در عصر حاضر یكی از مهمترین آنها كه حقیقتا تحول بارزی را در زندگی انسان ایجاد نموده است، پیدایش رایانه بوده است كه سرآغاز آن به سال های دهه 1950 می رسد . اما تغییرات ناشی از رایانه زمانی به اوج خود رسید كه شبكه های ارتباطی بین آنها رشد نمود و اینترنت با از میان برداشتن فاصله های فیزیكی و موانع ارتباطی موجود، دنیای مجازی را رقم زد. بدنبال بكارگیری فناوری های جدید در سیستم های اطلاعاتی آموزش هم دستخوش تغییر و تحولات بسیاری شده است(Ozpolat & Kare , 2009). بنابراین مفهوم پیشین یادگیری الكترونیكی نیز در حال تغییرات اساسی است و به كلاس های حضوری محدود نمی شود (روزنبرگ 1383; Wang, 2007).یادگیری الكترونی به استفاده از وسایل الكترونیكی برای یادگیری، از جمله تحویل محتوا از طریق رسانه های الكترونیكی مانند اینترنت، صوتی، ویدئویی، پخش ماهواره، تلویزیون های تعاملی و سی دی اشاره دارد (Kaplan&Anderson, 2000) .گسترش سریع اینترنت با گرایش به سمت استقلال از مكان آموزش به فرد، یك انگیزه ای برای دانشگاهها شده است تا در بخش الكترونیكی سرمایه گذاری كنند(Accles, 1997). در كشور ایران نیز امكان دسترسی به آموزش عالی در قالب كلاس های حضوری برای بسیاری از متقاضیان وجود ندارد ولی می توان ضعف در پاسخگویی روشهای سنتی را با بكارگیری سیستم های یادگیری الكترونیكی جبران نمود ( یعقوبی و همكاران1387). با این حال، توسعه و مدیریت بهبود مستمر سیستم های آموزش الكترونیكی مؤسسات آموزشی و صنعتی را كاملا به چالش كشانده است و در آن ارزیابی به یك نیاز ضروری تبدیل گردیده است (Accles, 1991). افزایش سریع تعداد مؤسسات ارائه دهنده یادگیری الكترونیكی از یك سو و رشد كمی رشته های موجود آن از سوی دیگر این سؤال را مطرح می سازد كه این مراكز تا چه اندازه ای در پیاده سازی و اجرای دوره های یادگیری الكترونیكی موفق بوده اند و تا چه اندازه ای توانسته اند مهمترین هدف نظام آموزشی خود را كه همانا ارتقاء كیفیت یادگیری و پیشرفت تحصیلی دانشجویان است را برآورده سازند(صمدی 1389).اما آنچه كه اهمیت بحث را روشن تر می سازد، تلاش برای كسب موفقیت در استفاده از یادگیری الكترونیكی و سنجش میزان موفقیت این سیستم ها است.(Delone,2003) وتلاش ناموفق برای پیاده سازی یادگیری الكترونیكی، موجب از دست دادن سرمایه خواهد شد(Govindasamy,2002) . لذا از سال 1992در چندین تحقیق به بررسی موفقیت سیستم های اطلاعاتی و سنجش آن به طریق تجربی پرداخته شده است(Wang Et Al , 2007). محققان زیادی از رشته های مختلف از قبیل:كامپیوتر، سیستم های اطلاعاتی، روانشناسی، تكنولو‍ژی، آموزشی سعی كرده اند كه سیستم های یادگیری الكترونیكی را ارزیابی كنند. بعضی از آنها روی عامل انسانی ( رضایت دانشجو و استاد )، بعضی روی تكنولوژی آموزشی وبعضی روی مواد آموزشی تمركز كرده اند (Liaw,Huang,& Chen2007). برای شناسایی و بررسی فاكتورهای سنجش موفقیت سیستم های یادگیری الكترونیكی می توان مدل هایی كه در زمینه سیستم های اطلاعاتی مطرح شده اند را نام برد. مدل موفقیت سیستم های اطلاعاتی دلون ومك لین، مدلی است كه می تواند به فهم این مطلب كمك كند (Petter& Mclean,2002) .این مدل برای اولین بار در سال 992 توسط دلون مورد توسعه وبازنگری قرار گرفت. مدل اصلاح شده دلون و مك لین شامل6بعد می باشد كه عبارتند از: قصد استفاده از سیستم- رضایت كاربر- منافع حاصل از سیستم های اطلاعاتی (Delon& Mclean,2003;Wang2007).از آنجا كه سیستم های یادگیری الكترونیكی نوعی خاصی از سیستم های اطلاعاتی هستند(Wang Et All,2007; Lee ,2008) . می توان مدل اصلاح شده دلون و مك لین را برای سنجش موفقیت سیستم های یادگیری الكترونیكی نیز بكار برد. در این راستا وانگ و همكاران وی، از مؤلفه های مذكور(بدون در نظر گرفتن روابط بین آنها) برای اولین بار در سیستم های یادگیری الكترونیكی در سازمانها استفاده كردند.(Wang Et All ,2007) . سپس لین مدل مذكور را با حذف مؤلفه منافع حاصل از سیستم و در نظر گرفتن كلیه روابط بین مؤلفه هایی برای سیستم های یادگیری الكترونیكی استفاده نمود(Lin,2007) . لازم به ذكر است كه در هر مورد بكارگیری مدل دلون و مك لین، میزان موفقیت سیستم های یادگیری الكترونیكی تنها از دیدگاه یادگیرنده مورد بررسی قرار گرفته است و با توجه به اینكه استاد نیز در یادگیری الكترونیكی نقش بسیار مهمی دارد برای بكارگیری صحیح مدل، علاوه بر در نظر گرفتن كلیه مؤلفه ها و روابط بین آنها دیدگاه استاد نیز باید مورد بررسی قرار گیرد. در تحقیقی دیگر كه توسط اوزكان و كوسلر انجام شده با استفاده از مدل اصلاح شده دلون و مك لین، یك مدل شش ضلعی برای یادگیری الكترونیكی [1](HELAN) ارائه و در یكی از دانشگاههای تركیه مورد آزمون قرار گرفت كه ابعاد این مدل عبارتند از محتوا (اطلاعات)- نگرش استاد – كیفیت خدمات- كیفیت سیستم- عوامل پشتیبانی كننده نگرش و دیدگاه یادگیرنده(Ozkan & Koseler,2009). در این تحقیق روابط بین مؤلفه ها درنظر گرفته نشده است .لازم به ذكر است یکی از مهمترین ضعف های مدل های پیشین این است که اهمیت نسبی مولفه های سنجش موفقیت سیستم های یادگیری الکترونیکی بصورت کمی قابل سنجش نیستند. به عبارت دیگر شناسایی اینکه کدام مولفه ارزیابی را بیشتر تحت تاثیر قرا می دهدتا حدی دشوار است . فرایند تحلیل شبکه[2] این مشکل را برطرف می کند و وزن هر مولفه را بصورت کمی محاسبه و رتبه بندی می کند.با توجه به انتقادی که بر تحلیل شبکه کلاسیک وارد شده است ، ترکیب فرایند تحلیل شبکه و منطق فازی به عنوان راهی برای رفع نارسایی های مطرح شده است.

 

3-1 مقدمه…………………… 23

 

3-2 شتاﺏسنج……………………. 23

 

3-3 استفاده از شتاﺏسنج سه محوره…………………… 25

 

3-4 رسانایی پوست…………………….. 26

 

3-5 طراحی مدار GSR…………………….

 

3-6 خلاصه‏ فصل……………………. 30

 

فصل چهارم : طراحی و پیاده سازی سخت افزاری و نرم افزاری……. 31

 

4-1 مقدمه…………………… 32

 

4-2 قطعات سختﺍفزاری مورد استفاده…………………… 32

 

4-2-1 میکروکنترلرها………………….. 33

 

4-2-1-1 انواع روشها و پروتکل های ارتباطی بر روی میکروکنترلر…….. 34

 

4-2-2 کریستال یا نوسان ساز…………………… 36

 

4-2-3 رگولاتور…………………… 36

 

4-2-4 LCD…………………….

 

4-2-5 Op-Amp……………………

 

4-2-6 microSD Module……………………

 

4-2-7 مبدل آنالوگ به دیجیتال خارجی ADC0804……………………

 

4-2-8 تولید کننده مرجع ولتاژ REF30xx……………………

 

4-2-9 تقویت کننده ابزار دقیق AD620……………………

 

4-2-10 تولید ولتاژ متقارن با TC7660……………………

 

4-3 پیاده سازی سختﺍفزاری سنسور…………………… 47

 

4-3-1 تامین ولتاژ مدار…………………… 47

 

4-3-2 نحوه اتصال پایه های میکروکنترلر…………………… 48

 

4-3-3 نحوه اتصال پایه های ماژول RS232……………………

 

4-3-4 نحوه اتصال پایه های ماژول بلوتوث HC05……………………

 

4-3-5 اتصال ماژول HC05 و RS232……………………

 

4-4 شرح نرﻡﺍفزارهای مورد استفاده…………………… 53

 

4-4-1 Pic C Compiler…………………..

 

4-4-1-1 برنامه نویسی میکروکنترلر…………………… 54

 

4-4-2 Proteus……………………

 

4-4-3 Altium Designer (Protel DXP)…………………..

 

4-4-4 TNM Programmer…………………..

 

4-4-5 برنامه نویسی آندروید…………………… 62

 

4-4-5-1 نحوه ارتباط بیسیم سنسور تشنج با گوشی همراه……. 64

 

4-4-5-2 نرمال سازی دادﻩها………………….. 67

 

4-4-5-3 ذخیره در پایگاه داده…………………… 68

 

4-4-5-4 استخراج ویژگی ها………………….. 69

 

4-4-5-5 استفاده از مدل SVM در آندروید…………………… 74

 

4-4-5-6 مکان یابی فرد مصروع با کمک GPS گوشی همراه……… 75

 

4-4-5-7 اعلام هشدار (ارسال SMS و ایمیل)………………….. 76

 

4-5 خلاصه‏ فصل……………………. 79

 

فصل پنجم : داده کاوی……………………. 80

 

5-1 مقدمه…………………… 81

 

5-2 مقایسه حوزه زمان، تبدیل فوریه و تبدیل ویولت……… 82

 

5-2 پیش پردازش دادﻩها………………….. 83

 

5-3 استخراج ویژگی……………………. 84

 

5-3-1 ویژگی ها در حوزه زمان…………………… 86

 

5-3-2 ویژگی ها در حوزه تبدیل ویولت…………………….. 95

 

5-3-3 انتخاب ویژگی های برتر…………………… 103

 

5-4 دادﻩکاوی با نرﻡﺍفزار Weka……………………

 

5-4-1 مقدمه ای بر Weka……………………

 

5-4-2 انتخاب SVM به عنوان طبقهﺑﻧﺩﻯکننده………… 105

 

5-4-3 طراحی طبقهﺑﻧﺩﻯکننده در Weka……………………

 

 

5-5 خلاصه‏ فصل……………………. 107

 

فصل ششم : نتیجه گیری و طرح پیشنهادات………. 108

 

6-1 مقدمه…………………… 109

 

6-2 نتایج……………………. 109

 

6-3 پیشنهادات برای کارهای آتی……………………. 113

 

6-4 خلاصه فصل……………………. 115

 

منابع و مآخذ…………………… 117

 

پیوست الف: datasheet…………………..

 

Abstract…………………..

 

چکیده:

 

صرع یک اختلال عصبی است که عمدتاً با ایجاد تشنج مشخص ﻣﯽشود. نگرانی در مورد آسیب و یا حتی مرگ بعد از تشنج، زندگی کسانی که قادر به دستیابی کنترل کامل تشنج نیستند تحت الشعاع قرار ﻣﯽدهد. بعلاوه، خطر مرگ ناگهانی (SUDEP ) در افراد مبتلا به صرع 24 برابر بیشتر از افراد عادی است. استاندارد بالینی برای تشخیص تشنج، ترکیبی از EEG و نظارت ویدئویی است ولی این روش برای طولانی مدت و استفاده سرپایی امکان پذیر نیست. مانیتورینگ پیوسته فعالیت الکتریکی پوست (EDA) به عنوان شاخصی برای فعالیت سیستم عصبی سمپاتیک و استفاده از شتاﺏسنج سه بعدی (ACM3D ) برای محاسبه الگوی حرکتی دست در زمان وقوع تشنج به شناسایی آن کمک خواهد کرد. هدف از این پژوهش بررسی روشﻫﺎﻱ درمانی و کنترلی صرع به طور مداوم ﻣﯽباشد. در این پایاﻥنامه به بررسی انواع سنسورها و همچنین روش ارائه آن به کاربر از طریق سیستمﻫﺎﻱ همراه هوشمند در بستر شبکه پرداخته شده است. سنسور پیشنهادی از EDA و ACM برای تشخیص تشنج استفاده ﻣﯽکند و تا حد امکان راحت، کوچک، کمتر در معرض دید، غیر تهاجمی و پوشیدنی است. اطلاعات اندازﻩگیری شده توسط سنسور به صورت بیسیم از طریق تلفن همراه هوشمند بیمار با زیرساختﻫﺎﻱ موجود مانند بلوتوث، Wi-Fi، 3G و GPRS به پزشک و خانواده بیمار با کمک SMS و Email ارسال ﻣﯽشود. ویژگی دیگر این سیستم استفاده از GPS گوشی برای تعیین موقعیت فرد مصروع جهت اطلاع رسانی سریعتر برای کمک به وی ﻣﯽباشد. با کمک قابلیتﻫﺎﻱ تلفنﻫﺎﻱ همراه هوشمند، مانند بالا رفتن قدرت پردازشی و وجود انواع سنسورها بر روی آن، نظارت مداوم بر وضعیت بیمار میسر خواهد شد و به حضور کمتر بیماران در مراکز پزشکی و بیمارستانﻫﺎ کمک خواهد کرد.

 

فصل اول: کلیات پژوهش

 

1-1- مقدمه

 

وقتی مغز بطور طبیعی كار كند یك سری امواج الكتریكی از خود ایجاد مـﯽنماید كه این امواج مانند الكتریسیته در مسیر اعصاب عبور مـﯽكند. در حالت تشنج یك جرقه الكتریسیته ایجاد می شود كه این جرقه و طوفان الكتریكی بسته به محل خود در مغز، علائم، نوع تشنج و صرع را تعیین مـﯽنماید[1]. صرع یا epilepsy در نورولوژی به حالتی گفته می‌شود که شخص، بدون عامل محرک خاصی مثل افت قند خون، تب، کمبود کلسیم و یا مواردی از این دست، مکرراً دچار حملات تشنج شود. در کودکان و افراد جوان، صرع اغلب به ضربه زمان تولد، ناهنجاریﻫﺎﻱ مادرزادی یا اختلالات ژنتیکی تاثیر گذار بر مغز نسبت داده ﻣﯽشود. در افراد میانسال و سالمندان، سکتهﻫﺎﻱ مغزی، تومورها و بیماری عروق مغزی در اغلب موارد علل بروز صرع است[2]. صرع یکی از شایع ترین بیماریﻫﺎی عصبی مهم و خطرناک است، که تقریباً 60 میلیون نفر در جهان (نزدیک به 1٪) درگیر این مسئله هستند و 5/2 میلیون مورد جدید هر سال به این آمار اضافه مـﯽشود. برای 30-25٪ از بیماران، هیچ ترکیب درمانی استاندارد (دارو یا جراحی) برای کنترل تشنج آنها وجود ندارد. این بیماران از صرع مقاوم به درمان یا مقاوم به دارو رنج مـﯽبرند [3] [4].

 

در سراسر جهان، 10.5 میلیون کودک زیر 15 سال مبتلا به صرع فعال تخمین زده می شود، که در حدود 25 درصد از جمعیت کل بیماران صرعی می باشند. از 3.5 میلیون نفر که سالانه دچار صرع می شوند، 40 درصد کمتر از 15 سال هستند، و بیش از 80٪ آنان در کشورهای در حال توسعه زندگی می کنند. مطالعات مبتنی بر جمعیت صرع در دوران کودکی نشان می دهد نرخ بروز سالانه 61- 124 نفر در 100000 نفر در کشورهای در حال توسعه، و 41-50 نفر در 100000 نفر در کشورهای توسعه یافته می باشد [5]. صرع شایع ترین اختلال عصبی دوران کودکی است. تقریبا نیمی از موارد صرع در دوران کودکی رخ می دهد.کودکان مبتلا به صرع و والدین آنها با بسیاری از مشکلات اجتماعی و روانی مواجه هستند. مشکلات جامعه پذیری، اضطراب، اختلال شناختی و اختلالات رفتاری به ترتیب در 39.8٪، 45.8٪، 49.4٪، و 42.2٪ کودکان درگیر با بیماری صرع دیده شد [6].

 

طبق آمار رسمی سایت صرع حدود 60 میلیون نفر در جهان مبتلا به صرع هستند که هر سال به طور متوسط بین 125000 تا 150000 به این آمار افزوده می شود و از این تعداد در حدود 30% مربوط به کودکان است. یک نفر از بین 10 نفر، حداقل یکبار در طول زندگی دچار تشنج می شود [7]. آمار افراد مبتلا به صرع در ایران در حدود 1 میلیون نفر اعلام شده است [8].

 

2-1- درمان صرع

 

تاکنون روشﻫﺎﻱ درمانی متعددی برای صرع پیشنهاد شده است، که در بیشتر موارد موثر بوده و به قطعیت ﻣﯽتوانند صرع را درمان کنند که در ادامه به آنﻫﺎ اشاره ﻣﯽکنیم. یکی از روشﻫﺎﻱ متداول، داروها هستند، بیش از دهها داروهای ضد تشنج (AEDs[1]) برای درمان صرع در دسترس هستند. این داروها به طور معمول به دنبال جلوگیری از توسعه تشنج با کاهش تحریک عصبی یا افزایش بازدارندگی هستند [9]. در روشی دیگر، افرادی که از نظر پزشکی مبتلا به نوعی از صرع مقاوم هستند، در بعضی موارد ﻣﯽتوانند برای جراحی کاندید شوند، البته اگر صرع آنﻫﺎ از نوع partial باشد. رژیم غذایی کتون زا (تولید كتون‌ها در بدن‌ در اثر اكسیده‌ شدن‌ ناقص‌ مواد آلى‌ مثل‌ اسیدهاى چرب‌ و غیره‌) یکی دیگر از گزینه درمانی است که عمدتاً در کودکان استفاده ﻣﯽشود. در این شیوه رژیم غذایی با چربی بالا طراحی شده است که تقلیدی از اثرات بیولوژیکی در گرسنگی است، اما مکانیسم دقیق آن در مهار تشنج ناشناخته است [10].

 

3-1- انواع روشﻫﺎﻱ شناسایی، پیش بینی و کنترل صرع

 

اگرچه بیشتر درمانﻫﺎ برای صرع قطعی هستند، اما هنوز هم درصد بسیاری از بیماران هستند که به درمانﻫﺎﻱ دارویی مقاوم بوده و برای عمل جراحی هم نمـﯽتوانند کاندید باشند. نگرانی در مورد آسیب و یا حتی مرگ ناشی از تشنج، زندگی کسانی که قادر به دستیابی به کنترل کامل تشنج نیستند را تحت الشعاع قرار ﻣﯽدهد. علاوه بر این، خطر مرگ ناگهانی در افراد مبتلا به صرع 24 برابر بیشتر در مقایسه با جمعیت عمومی است و پاتوفیزیولوژی مرگ ناگهانی و غیر منتظره در صرع یاSUDEP[2] همچنان نامشخص است [10]. در ابتدا روشﻫﺎﻱ درمانی به طور مختصر معرفی خواهند شد که به صورت داخلی و تحت عمل جراحی صورت ﻣﯽگیرد. و در ادامه روشﻫﺎﻱ خارجی بررسی خواهد شد که با کمک سنسورها علائم حیاتی و تغییرات فیزیولوژیک را اندازه ﻣﯽگیرند، و در پیش بینی صرع از آنﻫﺎ کمک گرفته ﻣﻰشود.