فهرست مطالب

  • سال هشتم شماره 2 (تابستان 1398)
  • تاریخ انتشار: 1398/04/01
  • تعداد عناوین: 7
|
  • نشاط صفریان، محمد احسان بصیری*، هادی خسروی صفحات 1-16
    یکی از عوامل اصلی در تصمیم گیری مشتریان برای خرید یک محصول یا استفاده از خدماتی خاص، استفاده از نظرات برخط است. این گونه از نظرات منابعی ارزشمند از اطلاعات هستند که برای تشخیص افکار عمومی در مورد محصول یا خدمات استفاده می‏شوند. اگرچه نظرات برخط می توانند مفید باشند اما اعتماد کورکورانه به آن‏ها، هم برای فروشنده و هم برای خریدار خطرناک است زیرا ممکن است برای به دست آوردن سود، دستکاری شده باشند که اصطلاحا به این گونه نظرات « نظرات اسپم» گفته می شود. پژوهش حاضر روی نظرات فارسی ثبت شده در مورد تلفن همراه در وب سایت دیجی کالا انجام شده و از میان انواع اسپم، اسپم نوع یک و دو بررسی شده اند که نوع اول نظرات جعلی و نوع دوم نظراتی هستند که تنها در رابطه با مدل کالا نوشته شده‏اند. ویژگی های مورد استفاده در این پژوهش به علت کارا بودن آن‏ها در دسته بندی، شامل ویژگی های مبتنی بر نظر و ویژگی های فراداده است. این ویژگی ها و نیز ترکیب های متفاوت از آن‏ها در تشخیص نظرات اسپم فارسی و تاثیر آن‏ها روی دقت دسته بند بررسی شده است. دسته بندی توسط درخت تصمیم، دسته بند ماشین بردار پشتیبان و دسته بند نایو بیز انجام شده و در نهایت دقت آن‏ها روی ترکیب های مختلف این ویژگی ها با هم مقایسه گردیده است. بالاترین میزان دقت به دست آمده از سه دسته بند توسط درخت تصمیم حاصل می‏شود که برابر با با 778/0 براساس معیار اف است. در رتبه‎دهی به ویژ گی ها باز هم درخت تصمیم با دقت 824/0 و با ترکیب سه ویژگی بازخوردهای مثبت، امتیاز کلی کالا و قطبیت نظر رتبه ی برتر را به خود اختصاص می دهد.
    کلیدواژگان: نظرات اسپم فارسی، نظرات جعلی، نظرکاوی، تحلیل احساسات، دسته‏بندی متن، رتبه بندی ویژگی ها
  • سعید اصغری، نیما جعفری نویمی پور* صفحات 17-26
    رایانش ابری به عنوان روش جدیدی از محاسبات مطرح می شود که در آن منابع مقیاس پذیر هستند و به صورت مجازی خدمتی را با استفاده از بستر اینترنت فراهم می کنند. در رایانش ابری، نیاز کاربر به منابع ابری اغلب به گونه‎ای است که یک خدمت به تنهایی پاسخگوی نیاز کاربر نیست و برای برآورده کردن درخواست کاربر نیاز است تا خدمات با هم ترکیب شوند. روش‎هایی که قبلا ارائه شده بودند دارای مشکلاتی از قبیل عدم بررسی هزینه، انرژی مصرف شده و ارائه نکردن چارچوبی برای استفاده از کمترین تعداد ابرها برای جوابگویی به درخواست کاربر بودند. بنابراین روش پیشنهادی در این مقاله ترکیب الگوریتم مورچگان با الگوریتم ابر پایه جهت رفع این مشکلات است. در این روش، در ابتدا ترکیب های ابری که قابلیت پاسخگویی به درخواست های کاربران را دارند به صورت صعودی بر حسب تعداد ابرهای موجود در خدمات ابری مرکب مرتب می شوند، سپس الگوریتم مورچگان به ترتیب از هر دسته ترکیب ابری مناسب را انتخاب می کند. نتایج بدست آمده نشان می دهد که روش پیشنهادی می تواند انرژی مصرف شده و هزینه را بهبود بخشد.
    کلیدواژگان: رایانش ابری، ترکیب خدمات، الگوریتم ترکیبی، مورچگان، ابر پایه
  • صابر دین پرست، سید علیرضا هاشمی گلپایگانی* صفحات 27-43
    زنجیره های تامین با مد سفارشی ساز، در زمره زنجیره های چابک قرار دارند، بنابراین تغییر در ساختار فیزیکی آنها، اجتناب ناپذیر است؛ تغییر ساختار فیزیکی، جریان کالا و مواد آن را متاثر می سازد. اینجاست که بازنگری در الگوی جریان داده و اطلاعات، ضرورت پیدا می کند. این بازنگری باید به طراحی و پیاده سازی هماهنگ ترین الگوی جریان اطلاعات با ساختار جدید فیزیکی در زنجیره بیانجامد. از این روست که در مقاله حاضر تلاش شده است تا اثرات تغییر در جریان کالا بر جریان اطلاعات مورد بررسی و کنکاش قرار گیرد و مدلی به منظور طراحی الگوی جریان اطلاعاتی، متناسب با جریان مواد و کالای زنجیره با استفاده از قابلیت های مدل سازی ریاضی ارائه گردد. در همین راستا، پارامترهای مهم و تاثیرگذار و سازنده ی دو الگوی جریان مواد و اطلاعات مورد بررسی و احصا قرار گرفته و اثرگذاری پارامترهای مرتبط با دو جریان برهمدیگر شناسایی و بررسی شد. با استفاده از قابلیت های مدل سازی ریاضی، سیستم مورد نظر مدل شده است. در واقع مدل ساخته شده با دریافت پارامترهای مربوط به جریان مواد و کالای زنجیره های سفارشی ساز، الگوی متناسب اطلاعاتی آن را ارائه می دهد.
    کلیدواژگان: الگوی جریان اطلاعات، جریان داده واطلاعات، زنجیره تامین، مد سفارشی سازی، مدل سازی ریاضی
  • ساسان قره پاشا، محمد مصدری*، احمد جعفریان صفحات 44-54
    جای‏ گذاری ماشین‏ های مجازی بر روی ماشین‏ های فیزیکی در ساختار ابری یکی از مهم‏ترین مسایل می‏ باشد. مکان‏یابی ماشین‏ های مجازی فرایندی را شامل می‏ شود که در آن ماشین‏ های مجازی بر روی ماشین‏ های فیزیکی در مراکز داده ابری نگاشت پیدا می‏کنند. جای‏گذاری بهینه باعث کاهش مصرف انرژی، استفاده بهینه از منابع، کاهش ترافیک در مراکز داده‏ها، کاهش هزینه‏ها و همچنین افزایش کارایی مراکز داده در بستر ابری می‏شود. در این مقاله، ما الگوریتم فرا ابتکاری نیروی گرانشی را به صورت گسسته و با استفاده از توابع آشوبگر برای جای‏گذاری بهینه ماشین‏های مجازی بر روی ماشین‏های فیزیکی در مراکز داده ابری، پیشنهاد داده‏ایم. هدف از این کار به حداقل رساندن مصرف منابع، مصرف انرژی و تعداد لینک‏های ارتباطی می‏باشد. کارایی راهکار پیشنهادی با نتایج چندین الگوریتم فرا ابتکاری دیگر مقایسه می‏شود. نتایج نشان می‏دهد که الگوریتم پیشنهاد شده بهتر و تاثیرگذارتر از روش‏های مقایسه شده می‏باشد.
    کلیدواژگان: الگوریتم نیروی گرانشی، توابع آشوبگر، رایانش ابری، مجازی‏سازی
  • فاطمه راجی* صفحات 55-75

    یکی از فناوریهائی که در سالهای اخیر بسیار مورد توجه محققین قرار گرفته, فناوری رایانش ابری است. این در حالی است که تامین امنیت کاربر از نقطه نظر بی نشانی یکی از مهمترین چالشهای فراروی فضای رایانش ابری است به طوری که شناسه کاربر برای سایرین از جمله فراهم کننده فضای رایانش ابری پنهان باشد. اگرچه تحقیقات زیادی در زمینه برقراری بی نشانی در ارتباطات شبکه صورت گرفته ولی در مورد برقراری بی نشانی در فضای رایانش ابری کمتر کار شده است. در این مقاله یک روش بی نشانی پیشنهاد داده می شود تا با فراهم کردن بی نشانی کاربر در مقابل فراهم کننده فضای رایانش ابری و مقاوم کردن پیامهای کاربر در مقابل حمله های تحلیل ترافیک, امنیت کاربر فراهم شود. بدین منظور تمامی ارتباطات بین کاربر و فراهم کننده به صورت رمزشده از بین تعدادی مولفه واسط عبور داده می شود تا نه تنها تقاضاهای کاربر بلکه پاسخهای فراهم کننده نیز در مقابل حمله های تحلیلگر ترافیک شبکه حفظ شود. علاوه بر این صحت و محرمانگی پیامهای مبادله شده بین کاربر و فراهم-کننده تامین شده و کاربر می تواند انعطاف پذیری بالائی جهت رسیدن به بی نشانی مطلوب خود داشته باشد. تحلیل دقیق امنیت و کارایی روش پیشنهادی نشان می دهد که این روش بدون درنظر گرفتن فرضیات سنگین, در مقابل حمله های تحلیل ترافیک شناخته شده, مقاوم است.

    کلیدواژگان: فضای رایانش ابری، امنیت، بی نشانی، حمله تحلیل ترافیک
  • مسعود ورشوساز*، علیرضا آفری، محمد سعادت سرشت، برات مجردی صفحات 76-88
    اطلاعات موقعیت و وضعیت نسبی دوربین ها در تصاویر استریو، در درون ماتریس اساسی E(Essential Matrix) مندرج است. تجزیه این ماتریس به یک ماتریس دوران R و یک ماتریس پادمتقارن S، ابزاری کارآمد در بازیابی موقعیت و وضعیت نسبی دوربین ها در این تصاویر می باشد. در این مقاله، با استفاده از تجزیه ماتریس اساسی E و بردار پایه فضای پوچ چپ آن به مقادیر و بردارهای منفرد (Singular Value Decomposition)، روشی جدید برای بازیابی موقعیت نسبی دوربین ها در تصاویر استریو ارائه شده است. ابتدا فرمول های موجود در تجزیه ماتریس اساسی E به ماتریس دوران R و ماتریس پادمتقارن S با استفاده از تجزیه SVD، به طور مستقیم اثبات و تبیین شده و در ادامه بر اساس نتایج آن، روشی جدید در این مقاله ارائه و اثبات می گردد. در این روش نیازی به نگاشت اولیه ماتریس اساسی E محاسبه شده از مختصات های خطادار نقاط عکسی متناظر در دو تصویر، به فضای ماتریس های اساسی نبوده و این نگاشت در هنگام تعیین ماتریس پادمتقارن S انجام می گردد. بررسی های انجام شده نشان می دهد که نتایج روش جدید ارائه شده با نتایج حاصل از فرمول های تجزیه موجود یکسان است.
    کلیدواژگان: ماتریس اساسی، توجیه نسبی، بازیابی موقعیت و وضعیت نسبی دوربین، تجزیه SVD
  • سعید دهقانی اشکذری، ولی درهمی*، علی محمد زارع بیدکی، lحسان بصیری صفحات 89-101
    دسته بندی احساسی عقاید زمینه ای در پردازش زبان طبیعی است که در سال های اخیر با محبوب شدن فروشگاه های اینترنتی و امکان درج عقیده در مورد کالا یا سرویس خریداری شده مورد توجه پژوهشگران قرار گرفته است. برای آموزش مدل های دسته بند، به مجموعه داده های برچسب خورده نیاز است؛ اما عدم وجود نمونه های برچسب خورده در همه دامنه ها و با توجه به دشواری فرایند برچسب زدن نمونه ها، می بایست به نوعی از نمونه هایی که در دامنه های دیگر وجود دارد برای ساخت مدل ها استفاده نمود. در این مقاله روشی برای دسته بندی احساسی عقاید به دو دسته مثبت و منفی، مبتنی بر یادگیری انتقالی چندمنبعی ارائه می شود. روش پیشنهادی این مقاله با استفاده از یادگیری متناظر ساختاری، اقدام به تطبیق دامنه های مختلف نموده و بر اساس روال تکرارشونده یک الگوریتم بوستینگ به نمونه های دسته بندی شده دامنه های مختلف، وزنی را تخصیص داده و با ادغام هر یک از دسته بندها، در مورد دسته هر عقیده تصمیم گیری می نماید. وزن دهی به نمونه ها برای تقویت فرایند دسته بندی مبنتی بر فرایند بوستینگ و ترکیب آن با یادگیری متناظر ساختاری مهم ترین نوآوری پژوهش جاری است. از مجموعه داده های آمازون برای 4 رده مختلف که هر کدام شامل 1000 نمونه مثبت و 1000 نمونه منفی هستند برای آموزش مدل پیشنهادی استفاده شده است. مقدار معیار درستی 89٫64%، 93٫97%، 92٫39% و 90٫17% به ترتیب برای رده های الکترونیک، دی وی دی، کتاب و آشپزخانه به دست آمده و حاکی از موثر بودن روش پیشنهادی در قیاس با روش های مشابه است.
    کلیدواژگان: دسته بندی احساسی عقاید، یادگیری انتقالی، یادگیری متناظر ساختاری، چندمنبعی، الگوریتم بوستینگ
|
  • Neshat Safarian, Mohammad Ehsan Basiri *, Hadi Khosravi Pages 1-16
    Using online reviews is one of the main factors in customers’ decision making for buying a product or using a service. These reviews are valuable sources of information which can be used for detecting public opinion about products or services. Although online reviews are useful, trusting them blindly is dangerous for both costumers and sellers as they may be manipulated to earn profit; such reviews are called spam reviews. The current study addresses Persian reviews about cell-phone extracted from Digikala.com and investigates spam type 1 and type 2 which are fake reviews and reviews describing brands’ names only, respectively. Features used in this study, due to their efficiency, are review-based and metadata features. These features and their combinations in detecting Persian spam reviews, also their effect on the accuracy of classifier are assessed. Spam classification is performed using decision tree, support vector machines, and naïve Bayes classifiers and their accuracy are compared using different features’ combinations. The highest accuracy is obtained using the decision tree classifier which achieves 0.778 in terms of F-measure. In ranking features, again the decision tree outperforms the other two classifiers by achieving 0.824 F-measure by combining the positive feedback, overall score, and review polarity features.
    Keywords: Persian Spam Review, Fake Review, Opinion mining, Sentiment analysis, Text Categorization, Feature Ranking
  • Saied Asghari, Nima Jafari Navimipour * Pages 17-26
    Cloud computing is considered as a new methods of computations where resources can be scaled and provides services in virtualized format using the Internet. In some cases, the user’s need is in a way that the underlying service cannot meet user’s need individually and it is needed to combine services in order to meet the requirements. The previously presented methods had some problems such as not checking the cost, energy consumption, and not providing a framework for using the lowest number of clouds to respond to user requests. Therefore, the proposed method in this paper combines an ant colony algorithm with a based cloud algorithm (ACOBC). In this method, first, the cloud compositions that can respond to user requests are arranged in ascending order based on the number of clouds in the cloud composition, then the ant colony algorithm selects the appropriate services from each category, respectively. The obtained results have shown that the proposed method can act better in terms of energy consumption and cost.
    Keywords: cloud computing, Service composition, Inverted ant colony algorithm, Load Balancing
  • Saber Dinparast, S. Alireza Hashemi Golpayegany * Pages 27-43
    Build-to-order supply chains are categorized as agile supply chains, therefore reshaping their physical structure is inevitable. The reshape affects chains material flow pattern, therefore revising the chains information flow pattern becomes a necessity. The revision should create the most coordinated information flow pattern with the new physical structure. Hence, we have tried to study and survey the way material flows in supply chain affects its information flow and vice versa. We have thought up a model in which mathematical modeling establishes coordinated information and material flow patterns. To achieve this, the parameters which build the two flow patterns were studied and considered. Each parameter’s effects on others has been studied and relations were extracted. Using the capabilities of mathematical modeling the studied system converted to a model in which, some parameters as inputs give away the most coordinated information and material flow with chains physical structure considering minimum cost as objective.
    Keywords: Build to Order Mode, Data, Material Flow, Flow Pattern, Mathematics Modeling, Supply chain
  • Sasan Gharehpasha, Mohammad Masdari *, Ahmad Jafarian Pages 44-54
    Placement of virtual machines on physical machines in cloud computing infrastructure is an important issue. Our approach for placement of virtual machines includes a mapping process of this machines on physical machines in cloud datacenters. Optimal placement results in lower power consumption, optimal usage of resources, traffic reduce in datacenters, decrease in costs and also increase in functionality of datacenters in cloud datacenters. In this paper we propose a discrete gravitational search algorithm and chaotic function for placement of virtual machines on physical machines in cloud datacenters. Our primary goal for proposing the approach is minimizing resource wastage, power consumption and network links. At the end of this paper we also compare our results with some other metaheuristic algorithms. Our results show that this approach is more effective than previous algorithms. by optimal placement in cloud datacenter, we can get best performance of our devices. Also we can do it by chaotic functions.
    Keywords: Gravitational Search Algorithm, Chaotic Functions, cloud computing, virtualization
  • Fatemeh Raji * Pages 55-75

    Cloud computing technology has attracted the attention of researchers in recent years. Providing user security in terms of anonymity is one of the most important subject in the domain of cloud computing. Users desire to conceal their identity while using cloud computing services. Although there are researches for providing anonymity in the networks, there are limited works on embedding the anonymity feature in the cloud computing context. In this paper, we propose an anonymity approach to provide the anonymity of cloud users against the cloud provider and make the user to be resistant against traffic analysis attacks. In this way, all the communication messages between users and the provider has been passed through a set of intermediate hosts. Therefore, not only the users' request messages but also the provider response messages are resistant against traffic analysis attackers. Moreover, the users desired anonymity and computation is adjustable in the proposed technique.

    Keywords: cloud computing, Security, Anonymity, Traffic Analysis Attack
  • Masood Varshosaz *, Alireza Afary, Mohammad Saadatseresht, Barat Mojaradi Pages 76-88
    The relative position and orientation between two cameras in a stereo pair are included within the Essential matrix, E. The decomposition of this matrix into a rotation matrix, R, and a skew-symmetric matrix, S, is an efficient tool for retrieving the relative position and orientation of the cameras. In this paper, a new method is proposed to recover the relative position and orientation of the cameras in a stereo pair using the singular value decomposition (SVD) of the Essential matrix. First, the existing formulas in the decomposition of the Essential matrix into a rotation matrix and a skew-symmetric matrix using the SVD decomposition are directly proved using the SVD properties. Then, based on these results, a new method in the decomposition of the Essential matrix using SVD will be presented. The Essential matrix decomposition in this method is accomplished by extracting the base vector of the left null space of the Essential matrix and then by SVD decomposition of the skew-symmetric matrix corresponding to this base vector. In this method, the initial mapping of the Essential matrix, recovered from the erroneous coordinates of the corresponding image points in two images, into the space of Essential matrices does not require. This mapping is performed by determining the skew-symmetric matrix, S. The proposed numerical analysis shows that the results of the new presented method are correct and identical with the results of the existing formulas.
    Keywords: Essential Matrix, Relative Orientation, Position, Orientation Recovery, SVD
  • Saeed Dehghani Ashkezari, Vali Derhami *, ALI Zareh Bidoki, Ehsan Basiri Pages 89-101
    Sentiment classification of opinions is a field of Natural Language Processing which has been considered in recent years by researchers due to popularity of Internet stores and the possibility of expressing opinions about sold goods or services. To train classifier models, we need labeled datasets, but as there are not rich labeled samples and as labeling is a difficult and time-consuming process, we must employ labeled samples of other domains. In this article, a new method for binary classification of opinions is proposed based on multi-domain transfer learning. The proposed method tries to adapt different domains by using Structural Correspondence Learning; and based on repetitive procedure of the boosting algorithm, a weight is assigned to classified samples of different domains and the class of each opinion is specified by merging these classifiers. Weighting the dataset samples to boost the process of classification based on the Adaboost algorithm and combining it with the Structural Corresponding Learning is the most important innovation of the current research. The Amazon dataset of four different domains, each one containing 1000 positive and 1000 negative opinions is used for training the proposed model. Accuracy measures of %89.64, %93.97, %92.39 and %90.17 are obtained for Electronics, DVD, Books and Kitchen domains, respectively. It illustrates that the proposed method is very effective compared with the similar methods.
    Keywords: Sentiment Classification of Opinions, Transfer learning, Structural Correspondence Learning, Multi-source, Boosting Algorithm