حسین رحمانی

حسین رحمانی

مدرک تحصیلی: عضو هیات علمی دانشگاه پیام نور

مطالب
ترتیب بر اساس: جدیدترینپربازدیدترین

فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۲۱ تا ۲۵ مورد از کل ۲۵ مورد.
۲۱.

بررسی تأثیر ویژگی معنایی جانداری و نقش های موضوعی بر آرایش جمله در بیماران زبان پریش فارسی زبان(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
تعداد بازدید : ۴۰۱ تعداد دانلود : ۳۹۱
آسیب های مغزی و زبان پریشی ناشی از آن بسیار شایع بوده و شناخت سریع آنها از اهمیت ویژه ای برخوردار است. توصیف توانمندی های گفتار و زبان در بیماران زبان پریش، به تشخیص اختلالات مربوطه، ارزیابی و غربالگری آنان کمک می کند. از این رو،  به منظور تعیین اختلالات زبانی ناشی از آسیب مغزی در بیماران زبان پریش و نیز برای نشان دادن تأثیر تفاوت های ساختاری زبان ها بر ماهیت علائم زبان پریشی این تحقیق انجام گرفته است. روش بررسی در این پژوهش از نوع توصیفی- تحلیلی است. نمونه های مورد مطالعه، هفت بیمار آسیب مغزی بودند که با تشخیص قطعی زبان پریشی در مراکز گفتاردرمانی تهران تحت درمان بودند. گروه شاهد شامل ده فرد سالم بود که ازنظر سن، زبان و میزان تحصیلات با گروه مورد همخوانی داشتند. متغیر مورد بررسی در این مطالعه، آرایش جمله و تأثیر ویژگی معنایی جانداری و نقش های موضوعی بر ترتیب قرار گرفتن گروه اسمی در جمله های بیماران زبان پریش بود. آزمون شامل دو بخش شفاهی و کتبی بود. بخش شفاهی آزمون توصیف تصاویر و بخش کتبی آزمون جمله های به هم ریخته بود که می بایست توسط بیمار مرتب می شد. داده های به دست آمده در دو گروه مورد قضاوت آماری قرار گرفت. در تمامی آزمون ها صد در صد افراد شاهد بدون در نظر گرفتن ویژگی جانداری، برای توصیف تصاویر از توالی کنش گر/کنش پذیر استفاده کردند، اما در مورد بیماران، ویژگی جانداری بر ترتیب قرار گرفتن گروه های اسمی مؤثر بود و در برخی موارد سبب پیشی گرفتن کنش پذیر بر کنش گر شد. بر اساس داده های به دست آمده به نظر می رسد که افراد دچار آسیب مغزی علاوه بر استفاده از نقش های معنایی در تعیین توالی گروه های اسمی قادر به درک و تشخیص ویژگی معنایی جانداری در گروه های اسمی نیز بوده و در کنار نقش های موضوعی از آن به عنوان عاملی مؤثر بر ترتیب قرارگرفتن گروه های اسمی استفاده می کنند.
۲۲.

MultiCGCN: Multi-Label Text Classification using GCNs and Heterogeneous Graphs(مقاله علمی وزارت علوم)

تعداد بازدید : ۳۳۵ تعداد دانلود : ۲۰۹
Multi-label text classification is a critical challenge in natural language processing, where the goal is to assign multiple labels to a given document. Recent advances have primarily focused on deep learning approaches, yet many fail to adequately capture the intricate relationships between documents and labels. In this paper, we propose a novel method called MultiCGCN, in which we leverage Graph Convolutional Networks (GCNs) for multi-label text classification by modeling text as a heterogeneous graph. This unified graph incorporates document similarities, label relationships, and document-label associations, enabling the model to effectively capture both document and label dependencies. We transform the multi-label classification problem into a link prediction task, using Term Frequency–Inverse Document Frequency (TF-IDF) for document similarity and applying GCNs to predict label assignments. Our empirical evaluations demonstrate that MultiCGCN achieves a significant performance boost, improving F1 score by 10% over traditional baseline models. This approach opens new avenues for enhancing the accuracy of multi-label classification in various domains.
۲۳.

پرهیز سیاستمداران ایرانی از عذرخواهی راستین و توجیه فرهنگی آن: پژوهشی در کاربردشناسی زبان(مقاله علمی وزارت علوم)

نویسنده:
حوزه‌های تخصصی:
تعداد بازدید : ۳۱۵ تعداد دانلود : ۳۲۶
عذرخواهی سیاسی گونه ای عذرخواهی است که در آن سیاسیون برای ترمیم وجهه خود، برآورده ساختن مطالبه عموم و آرام کردن افراد آسیب دیده (از خطاها و قصوراتی که بنا به مسئولیتشان متوجه آنان است)، اقدام به آن می کنند. اما عذرخواهی سبک و سیاق خاصی دارد. کمپف ( 2009 ) الگوها و راهکارهای کلامی را می شناساند که افراد با تمسک به آنان از عذرخواهی واقعی اجتناب می کنند؛ به کار بردن ابزارهای واژگانی و نحوی خاص، محو یا کم رنگ نشان دادن کننده کار، انکار مسئولیت، انتخاب قربانی خاص، کاستن از تعداد قربانیان، انتخاب قربانی خاص و نیز عذرخواهی به دلیل بخشی از خطا یا سبک آن و ... نمونه هایی از این راهکارهاست. با بررسی 100 نمونه عذرخواهی سیاسی انعکاس یافته رسانه های داخلی براساس الگوهای کمپف ( 2009 ) این پژوهش مدعی است که عذرخواهی های سیاسی در ایران صادقانه نیست، اما با افزودن عنصر فرهنگ و درنظر داشتِ نقش ترمیمی عذرخواهی می توان به درک بهتری از آن دست یافت. یافته های پژوهش حاکی از آن است که محو یا کم رنگ کردن مسئولیت خود یا پذیرش مسئولیت بخشی از خطا ازجمله راهبرد های اصلی مورداستفاده سیاستمداران ایرانی در طفره رفتن از عذرخواهی راستین است، اما این عدم صداقت در میم های فرهنگی جامعه جمع گرا، صداقت گریز و اغراق زده ایرانی ریشه دارد.
۲۴.

DREaM: Drug-Drug Relation Extraction via Transfer Learning Method(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
تعداد بازدید : ۱۹۱ تعداد دانلود : ۱۸۶
Relation extraction between drugs plays a crucial role in identifying drug–drug interactions and predicting side effects. The advancement of machine learning methods in relation extraction, along with the development of large medical text databases, has enabled the low-cost extraction of such relations compared to other approaches that typically require expert knowledge. However, to the best of our knowledge, there are limited datasets specifically designed for drug–drug relation extraction currently available. Therefore, employing transfer learning becomes necessary to apply machine learning methods in this domain. In this study, we propose DREAM, a method that first employs a trained relation extraction model to discover relations between entities and then applies this model to a corpus of medical texts to construct an ontology of drug relationships. The main contribution of this study is adapting the ACORD model to the medical domain using transfer learning, enabling the extraction of domain-specific drug–drug relations and the construction of an ontology. The extracted relations are subsequently validated using a large language model. Quantitative results indicate that the LLM agreed with 71 % of the relations extracted from a subset of PubMed abstracts. Furthermore, our qualitative analysis indicates that this approach can uncover ambiguities in the medical domain, highlighting the challenges inherent in relation extraction in this field.
۲۵.

سیر تحول نام های امامان و خلفای راشدین در 50 سال گذشته در شهرستان بوکان: پژوهشی در نام شناسی اجتماعی

نویسنده:
حوزه‌های تخصصی:
تعداد بازدید : ۵۱ تعداد دانلود : ۷۲
در پژوهش حاضر قصد بر آن است تا با نگاهی به نام­های امامان معصوم و خلفای راشدین در 50 سال گذشته در شهرستان بوکان نشان داده شود که مردم بوکان نسبت به امامان معصوم، در کنار خلفای راشدین، همواره ارادت داشته­اند. تغییر و تحولات در نام­گذاری کودکان نه تنها پدیده­ای ساده نیست بلکه نشان از تغییر در شرایط اجتماعی، فرهنگی و سیاسی دارد. هدف در پژوهش حاضر، طی بررسی تغییر و تحول نام­گذاری کودکان بر اساس نام امامان و خلفا، پاسخ به این سوالات است که در 50 سال گذشته چه تغییراتی در حوزه انتخاب نام امامان و خلفا برای کودکان رخ داده است؟ آیا این تغییرات در مورد نام «محمد» نیز صادق است؟ این تغییر و تحول چگونه شرایط اجتماعی هر دهه را بازتاب می­دهند؟ با استفاده از داده­های ثبت احوال ابتدا فراوانی نام­های امامان و خلفا در دهه­های مختلف در جداول مربوطه وارد می­شود و بر اساس این داده­ها نمودارهای مرتبط طراحی شده و داده­ها تحلیل می­شوند. تغییرات نام­گذاری کودکان در پرتو تغییر و تحولات اجتماعی در برخی از شهرها انجام شده بود و جای خالی پژوهشی دینی که نشان دهد مردمان اهل تسنن به امامان معصوم ارادت دارند و تغییر در انتخاب نام در مورد خلفا نیز بوده است، احساس می­شد و این پژوهش تلاشی برای رفع این کاستی است.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان