آزمایشگاه متن‌کاوی و یادگیری ماشین

درباره

آزمایشگاه متن­‌کاوی و یادگیری ماشین در زمینه روش­‌های هوش ­مصنوعی برای ماشینی‌­کردن فرایند درک و برداشت مفاهیم داده‌­های گوناگون به‌ویژه متن کار می‌کند. این کار با ساخت نظریه‌های محاسباتی از داده و با کاربرد الگوریتم‌ها و ساختارهای داده‌ای کنونی در علوم رایانه به‌­ویژه یادگیری ماشین دنبال می‌گردد. در این آزمایشگاه روش‌های گوناگون متن­‌کاوی روی متون علمی، اجرا و آزمایش و الگوریتم‌ها، روش‌ها، ابزارها، و سامانه‌های کاربردی تازه همخوان با پیکره زبان علمی (به‌ویژه برای زبان فارسی) برای استخراج دانش از متون طراحی و ساخته می‌شود.

کار این آزمایشگاه در 27 اردیبهشت 1400 به پایان رسیده است.

تجهیزات 

آزمایشگاه متن‌کاوی و یادگیری ماشین هم‌اکنون دارای این تجهیزات است:

» سیستم‌های کامپیوتری مناسب برای اجرای الگوریتم‌های متن‌کاوی؛

» ابزارهای پایه پردازش زبان طبیعی فارسی؛

» متون علمی ساختارمند و غیرساختارمند حوزه‌های گوناگون به زبان فارسی.

هدف

این آزمایشگاه در پی دست‌یابی به هدف‌های زیر است:

» کاربست مفاهیم یادگیری ماشین در سامانه­‌های پردازش زبان طبیعی؛

» ساخت و اشاعه پیکره­‌های زبانی علمی بر پایه منابع ایرانداک؛

» ارائه ابزارهایی برای خودکارسازی فرایندهای گوناگون سازمان‌دهی اطلاعات؛

» کاربرد دستاوردهای پژوهش‌های دانشجویان و دانش‌آموختگان تحصیلات تکمیلی در پروژه­‌های صنعتی؛

» تعریف کار برای دانشجویان کارشناسی ارشد و دکتری بر پایه نیازهای علمی و فنی پژوهشگاه.

 پژوهشگران

دکتر محمد ربیعی، از تیر ۱۳۹۴ تا اردیبهشت 1400

دکتر نصراله پاک‌نیت، از تیر ۱۳۹۴ تا اردیبهشت 1400

دکتر آزاده محبی، از تیر ۱۳۹۴ تا اردیبهشت 1400

مهندس احسان عسگریان، از تیر ۱۳۹۴ تا اردیبهشت 1400

همکاران

  » سید امیرمحمود میر (دانشجوی کارشناسی ارشد مهندسی کامپیوتر)، از تیر 1394 تا اردیبهشت 1400

  » هومن شریفیان (دانشجوی کارشناسی ارشد مهندسی کامپیوتر)، از تیر 1394 تا اردیبهشت 1400

  » فرزانه علوی (دانشجوی کارشناسی ارشد مهندسی صنایع)، از تیر 1394 تا اردیبهشت 1400

  » محمد رضا قتبری (دانشجوی کارشناسی ارشد مهندسی کامپیوتر)، از تیر 1394 تا اردیبهشت 1400

طرح پژوهشی

پژوهش در آزمایشگاه متن‌کاوی و یادگیری ماشین در زمینه‌های زیر انجام می‌شود:

» تحلیل­‌های هوشمند در زمینه دسته‌­بندی و خلاصه­‌سازی خودکار و همچنین استخراج واژه‌های کلیدی متن؛

» روش‌های خوشه‌بندی متن و مدل‌سازی موضوعی (topic modeling)؛

» روش‌های کاهش بُعد در متن و استخراج دانش؛

» کاربرد تکنیک­‌های کلان‌داده و یادگیری ماشین برای ماشینی کردن درک متن؛

» شخصی­‌سازی الگوریتم­‌های پردازش زبان طبیعی برای متن فارسی.