يافتن شباهت در گراف جهت دار با استفاده از مسير کوتاه

1. ‫ﺩﺍﻧﺸﮕﺎﻩ ﺍﺻﻔﻬﺎﻥ‬
‫ﺩﺍﻧﺸﮑﺪﻩ ﻓﻨﻲ ﻭ ﻣﻬﻨﺪﺳﻲ‬
‫ﮔﺮﻭﻩ ﮐﺎﻣﭙﻴﻮﺗﺮ‬
‫ﻣﺴﻴﺮﻫﺎﯼ ﮐﻮﺗﺎﻩ ﺑﺮﺍﯼ ﻳﺎﻓﺘﻦ ﺷﺒﺎﻫﺖ ﺑﻴﻦ ﻧﻮﺩﻫﺎﯼ‬
‫ﮔﺮﺍﻑ ﻭﺏ ﻣﺒﺘﻨﯽ ﺑﺮ ﺩﺍﺩﻩ‬
‫‪Shortest Paths as Similarity‬‬
‫‪Measure Between Nodes of Graph‬‬
‫‪Of Web of Data‬‬
‫ﻣﺤﻘﻖ:‬ ‫ﺍﺳﺘﺎﺩ ﺭﺍﻫﻨﻤﺎ:‬
‫ﻫﺎﺩﻱ ﺧﺴﺮﻭﻱ ﻓﺎﺭﺳﺎﻧﯽ‬ ‫ﺩﮐﺘﺮ ﻣﺤﻤﺪﻋﻠﯽ ﻧﻌﻤﺖ ﺑﺨﺶ‬
‫1‬
‫ﻣﻬﺮ 0931‬ ‫62/7/0931‬

2. ‫ﻓﻬﺮﺳﺖ ﻣﻄﺎﻟﺐ‬
‫ﻣﻘﺪﻣﻪ ﺍﯼ ﺑﺮ ﺩﺍﺩﻩ ﻫﺎﯼ ﭘﻴﻮﻧﺪﯼ‬ ‫•‬
‫ﻣﺴﺎﻟﻪ ﮐﻠﯽ ﭘﺮﻭﭘﻮﺯﺍﻝ‬ ‫•‬
‫ﻃﺮﺡ ﺯﻳﺮ ﻣﺴﺎﻟﻪ‬ ‫•‬
‫ﺗﺎﺭﻳﺨﭽﻪ ﮐﺎﺭﻫﺎﯼ ﺍﻧﺠﺎﻡ ﺷﺪﻩ‬ ‫•‬
‫ﻣﺘﺪ ﭘﻴﺸﻨﻬﺎﺩﯼ‬ ‫•‬
‫ﻣﺠﻤﻮﻋﻪ ﺩﺍﺩﻩ ﺳﺎﺧﺘﻪ ﺷﺪﻩ‬ ‫•‬
‫ﺭﻭﺵ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫ﻧﺘﺎﻳﺞ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫2‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

3. ‫ﻓﻬﺮﺳﺖ ﻣﻄﺎﻟﺐ‬
‫ﻣﻘﺪﻣﻪ ﺍﯼ ﺑﺮ ﺩﺍﺩﻩ ﻫﺎﯼ ﭘﻴﻮﻧﺪﯼ‬ ‫•‬
‫ﻣﺴﺎﻟﻪ ﮐﻠﯽ ﭘﺮﻭﭘﻮﺯﺍﻝ‬ ‫•‬
‫ﻃﺮﺡ ﺯﻳﺮ ﻣﺴﺎﻟﻪ‬ ‫•‬
‫ﺗﺎﺭﻳﺨﭽﻪ ﮐﺎﺭﻫﺎﯼ ﺍﻧﺠﺎﻡ ﺷﺪﻩ‬ ‫•‬
‫ﻣﺘﺪ ﭘﻴﺸﻨﻬﺎﺩﯼ‬ ‫•‬
‫ﻣﺠﻤﻮﻋﻪ ﺩﺍﺩﻩ ﺳﺎﺧﺘﻪ ﺷﺪﻩ‬ ‫•‬
‫ﺭﻭﺵ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫ﻧﺘﺎﻳﺞ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫3‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

4. ‫ﺍﺻﻮﻝ ﺩﺍﺩﻩ ﻫﺎﯼ ﭘﻴﻮﻧﺪﯼ )‪(Linked Data Principles‬‬
‫• ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ‪ URI‬ﺑﺮﺍﯼ ﺷﻨﺎﺳﺎﻳﻲ ﻣﻨﺎﺑﻊ ﺩﺭ ﻭﺏ‬
‫• ﺍﺯ ﭘﺮﻭﺗﮑﻞ ‪ HTTP‬ﺑﺮﺍﯼ ﺩﺳﺘﺮﺳﯽ ﺑﻪ ﺍﻳﻦ ﻧﺎﻣﻬﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺷﻮﺩ‬
‫• ﻫﻨﮕﺎﻣﯽ ﮐﻪ ﻳﮏ ﻓﺮﺩ، ﺩﺭﺧﻮﺍﺳﺖ ﻳﮏ ‪ URI‬ﺭﺍ ﻣﯽ ﮐﻨﺪ، ﺗﻤﺎﻣﯽ ﺍﻃﻼﻋﺎﺕ ﻣﻔﻴﺪ ﺑﻪ ﻓﺮﻣﺖ ‪ RDF‬ﻧﺸﺎﻥ ﺩﺍﺩﻩ ﺷﻮﺩ‬
‫• ﻋﺒﺎﺭﺗﻬﺎﯼ ‪ RDF‬ﻻﺯﻡ ﺍﺳﺖ ﺑﻪ ﺩﻳﮕﺮ ‪ URI‬ﻫﺎ ﺍﻧﻮﺍﻉ ﻣﺨﺘﻠﻒ ﻟﻴﻨﮏ ﺩﺍﺷﺘﻪ ﺑﺎﺷﻨﺪ ﺑﻪ ﺻﻮﺭﺗﯽ ﮐﻪ ﺍﻓﺮﺍﺩ ﻗﺎﺩﺭ ﺑﺎﺷﻨﺪ‬
‫ﺍﻃﻼﻋﺎﺕ ﺑﻴﺸﺘﺮﯼ ﺩﺭ ﻣﻮﺭﺩ ﺁﻥ ﻣﻮﺟﻮﺩﻳﺖ ﮐﺴﺐ ﮐﻨﻨﺪ.‬
‫4‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

5. ‫ﺗﻌﺮﻳﻒ ﻣﻨﺎﺑﻊ ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺍﺻﻮﻝ ﺩﺍﺩﻩ ﻫﺎﯼ ﭘﻴﻮﻧﺪﯼ )ﻣﺜﺎﻝ(‬
‫‪http://dbpedia.org/page/Nigel_Clough‬‬
‫5‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

6. ‫ﺩﺍﺩﻩ ﻫﺎﯼ ﭘﻴﻮﻧﺪﯼ : ﺩﺭ ﺣﺎﻝ ﺣﺎﺿﺮ‬
‫•‬
‫6‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬
‫62/7/0931‬

7. ‫ﻓﻬﺮﺳﺖ ﻣﻄﺎﻟﺐ‬
‫ﻣﻘﺪﻣﻪ ﺍﯼ ﺑﺮ ﺩﺍﺩﻩ ﻫﺎﯼ ﭘﻴﻮﻧﺪﯼ‬ ‫•‬
‫ﻣﺴﺎﻟﻪ ﮐﻠﯽ ﭘﺮﻭﭘﻮﺯﺍﻝ‬ ‫•‬
‫ﻃﺮﺡ ﺯﻳﺮ ﻣﺴﺎﻟﻪ‬ ‫•‬
‫ﺗﺎﺭﻳﺨﭽﻪ ﮐﺎﺭﻫﺎﯼ ﺍﻧﺠﺎﻡ ﺷﺪﻩ‬ ‫•‬
‫ﻣﺘﺪ ﭘﻴﺸﻨﻬﺎﺩﯼ‬ ‫•‬
‫ﻣﺠﻤﻮﻋﻪ ﺩﺍﺩﻩ ﺳﺎﺧﺘﻪ ﺷﺪﻩ‬ ‫•‬
‫ﺭﻭﺵ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫ﻧﺘﺎﻳﺞ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫7‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

8. ‫ﻣﺴﺎﻟﻪ ﭘﺎﻳﺎﻥ ﻧﺎﻣﻪ ﻭ ﺯﻳﺮ ﻣﺴﺎﻳﻞ ﺁﻥ‬
‫ﺭﺗﺒﻪ ﺑﻨﺪﯼ ﻣﻨﺎﺑﻊ ﺩﺭ ﻭﺏ ﻣﺒﺘﻨﯽ ﺑﺮ ﺩﺍﺩﻩ ﺑﻪ ﭼﻪ ﺷﮑﻠﯽ ﺍﻧﺠﺎﻡ ﺷﻮﺩ .‬ ‫•‬
‫ﺍﻳﺪﻩ:‬ ‫•‬
‫• ﺧﻮﺷﻪ ﺑﻨﺪﯼ ﻣﻨﺎﺑﻊ ﻭ ﺳﭙﺲ ﺍﻋﻤﺎﻝ ﺍﻟﮕﻮﺭﻳﺘﻢ ﻫﺎﯼ ﺭﺗﺒﻪ ﺑﻨﺪﯼ ﺩﺭ ﻫﺮ ﺧﻮﺷﻪ‬
‫ﻓﺎﺯﻫﺎﯼ ﭘﺮﻭﮊﻩ‬ ‫•‬
‫• ﺭﺗﺒﻪ ﺑﻨﺪﯼ ﻣﺠﻤﻮﻋﻪ ﺩﺍﺩﻩ ﻫﺎ ﻭ ﻣﻮﺟﻮﺩﻳﺖ ﺩﺭ ﻫﺮ ‪dataset‬‬
‫• ﺧﻮﺷﻪ ﺑﻨﺪﯼ ﺑﺎ ﺩﺭ ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻧﻮﺩﻫﺎ ﻭ ﻟﻴﻨﮑﻬﺎ - ﺑﺪﻭﻥ ﺩﺭ ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﺧﺼﻮﺻﻴﺎﺕ ﻭ ﻣﻘﺎﺩﻳﺮ ﺧﺼﻮﺻﻴﺎﺕ‬
‫• ﺧﻮﺷﻪ ﺑﻨﺪﯼ ﺑﺎ ﺩﺭ ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻧﻮﺩﻫﺎ ﻭ ﻟﻴﻨﮑﻬﺎ – ﺑﺎ ﺩﺭ ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﺧﺼﻮﺻﻴﺎﺕ ﻭ ﻣﻘﺎﺩﻳﺮ ﺧﺼﻮﺻﻴﺎﺕ‬
‫• ﺭﺗﺒﻪ ﺑﻨﺪﯼ ﻋﻨﺎﺻﺮ ﺩﺭ ﻫﺮ ﺧﻮﺷﻪ ﻭ ﺍﺭﺍﺋﻪ ﺭﻭﺵ ﺭﺗﺒﻪ ﺑﻨﺪﯼ‬
‫ﺯﻳﺮ ﻣﺴﺎﻟﻪ:‬ ‫•‬
‫• ﺧﻮﺷﻪ ﺑﻨﺪﯼ ﻣﻨﺎﺑﻊ‬
‫• ﻧﻴﺎﺯ ﺑﻪ ﺩﺍﺷﺘﻦ ﺍﻟﮕﻮﺭﻳﺘﻤﯽ ﺗﻮﺍﻧﺎ ﺟﻬﺖ ﻳﺎﻓﺘﻦ ﻣﻴﺰﺍﻥ ﺗﺸﺎﺑﻪ ﺩﻭ ﺍﻳﺘﻢ‬
‫ﺑﻨﺎﺑﺮﺍﻳﻦ‬ ‫•‬
‫ﺑﻪ ﭼﻪ ﺷﮑﻞ ﻣﯽ ﺗﻮﺍﻥ ﻣﻴﺰﺍﻥ ﺷﺒﺎﻫﺖ ﺑﻴﻦ ﻣﻨﺎﺑﻊ ﻣﺨﺘﻠﻒ ﺩﺭ ﻭﺏ ﻣﺒﺘﻨﯽ ﺑﺮ ﺩﺍﺩﻩ ﺭﺍ ﺍﻧﺪﺍﺯﻩ ﮔﻴﺮﯼ ﮐﺮﺩ؟‬ ‫•‬
‫8‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

9. ‫ﻣﺴﺎﻟﻪ )ﺍﺩﺍﻣﻪ (‬
‫• ﻣﯽ ﺗﻮﺍﻥ ﮔﺮﺍﻑ ﻭﺏ ﻣﺒﺘﻨﯽ ﺑﺮ ﺩﺍﺩﻩ ﺭﺍ ﺑﻪ ﻳﮏ ﮔﺮﺍﻑ ﺟﻬﺖ ﺩﺍﺭ ﺗﺒﺪﻳﻞ ﮐﺮﺩ ﻭ ﺳﭙﺲ ﺍﺯ ﺭﻭﺷﻬﺎﯼ ﻣﺒﺘﻨﯽ ﺑﺮ ﮔﺮﺍﻑ‬
‫ﺍﺳﺘﻔﺎﺩﻩ ﮐﺮﺩ.‬
‫ﺑﻨﺎﺑﺮﺍﻳﻦ ﻣﺴﺎﻟﻪ ﺍﺻﻠﯽ ﺗﺒﺪﻳﻞ ﺑﻪ ﻳﺎﻓﺘﻪ ﻣﻴﺰﺍﻥ ﺷﺒﺎﻫﺖ ﺩﺭ ﮔﺮﺍﻑ ﺟﻬﺖ ﺩﺍﺭ ﺍﺳﺖ‬ ‫•‬
‫ﻣﺜﺎﻝ: ﮔﺮﺍﻓﯽ ﺍﺳﺘﺨﺮﺍﺝ ﺷﺪﻩ ﺍﺯ ﺩﻱ ﺑﯽ ﭘﺪﻳﺎ‬ ‫•‬
‫9‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

10. ‫ﻓﻬﺮﺳﺖ ﻣﻄﺎﻟﺐ‬
‫ﻣﻘﺪﻣﻪ ﺍﯼ ﺑﺮ ﺩﺍﺩﻩ ﻫﺎﯼ ﭘﻴﻮﻧﺪﯼ‬ ‫•‬
‫ﻣﺴﺎﻟﻪ ﮐﻠﯽ ﭘﺮﻭﭘﻮﺯﺍﻝ‬ ‫•‬
‫ﻃﺮﺡ ﺯﻳﺮ ﻣﺴﺎﻟﻪ‬ ‫•‬
‫ﺗﺎﺭﻳﺨﭽﻪ ﮐﺎﺭﻫﺎﯼ ﺍﻧﺠﺎﻡ ﺷﺪﻩ‬ ‫•‬
‫ﻣﺘﺪ ﭘﻴﺸﻨﻬﺎﺩﯼ‬ ‫•‬
‫ﻣﺠﻤﻮﻋﻪ ﺩﺍﺩﻩ ﺳﺎﺧﺘﻪ ﺷﺪﻩ‬ ‫•‬
‫ﺭﻭﺵ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫ﻧﺘﺎﻳﺞ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫01‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

11. ‫ﺭﺍﻩ ﺣﻞ ﺍﻭﻝ: ‪SimRank‬‬
‫ﺩﻭ ﻧﻮﺩ ﻣﺸﺎﺑﻪ ﻫﺴﺘﻨﺪ ﺍﮔﺮ ﻧﻮﺩﻫﺎﯼ ﻭﺭﻭﺩﯼ ﺁﻥ ﺩﻭ ﻧﻮﺩ ﻣﺸﺎﺑﻪ ﺑﺎﺷﻨﺪ‬ ‫•‬
‫11‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

12. ‫ﺭﺍﻩ ﺣﻞ ﺩﻭﻡ: ‪BipartiteRank‬‬
‫ﺩﻭ ﻧﻮﺩ ﻣﺸﺎﺑﻪ ﻫﺴﺘﻨﺪ ﺍﮔﺮ ﻧﻮﺩﻫﺎﯼ ﺧﺮﻭﺟﯽ ﺁﻥ ﺩﻭ ﻧﻮﺩ ﻣﺸﺎﺑﻪ ﺑﺎﺷﻨﺪ‬ ‫•‬
‫21‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

13. ‫ﺭﺍﻩ ﺣﻞ ﺳﻮﻡ: ‪PRank‬‬
‫ﺩﻭ ﻧﻮﺩ ﻣﺸﺎﺑﻪ ﻫﺴﺘﻨﺪ ﺍﮔﺮ ﻧﻮﺩﻫﺎﯼ ﺧﺮﻭﺟﯽ ﻭ ﻭﺭﻭﺩﯼ ﺁﻥ ﺩﻭ ﻧﻮﺩ ﻣﺸﺎﺑﻪ ﺑﺎﺷﻨﺪ‬ ‫•‬
‫31‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

14. ‫ﻣﺸﮑﻼﺕ ﺭﺍﻩ ﺣﻠﻬﺎﯼ ﻗﺒﻠﯽ‬
‫ﻣﻴﺰﺍﻥ ﺷﺒﺎﻫﺖ >‪ <a,b‬ﻣﺸﺎﺑﻪ ﻣﻴﺰﺍﻥ ﺷﺒﺎﻫﺖ >‪ <b,a‬ﺍﺳﺖ.‬ ‫•‬
‫ﺗﻌﺪﺍﺩ ﺷﺒﺎﻫﺖ ﻫﺎﯼ ﺑﺪﺳﺖ ﺁﻣﺪﻩ ﺑﺴﻴﺎﺭ ﮐﻢ ﺍﺳﺖ.‬ ‫•‬
‫ﺑﺮﺍﯼ ﺍﺣﺮﺍﺯ ﺷﺮﺍﻳﻂ ﺷﺒﺎﻫﺖ، ﻻﺯﻡ ﺍﺳﺖ ﺟﺮﻳﺎﻥ ﻭﺭﻭﺩﻱ ﻳﺎ ﺧﺮﻭﺟﻲ ﻣﺸﺎﺑﻪ ﺩﺍﺷﺘﻪ ﺑﺎﺷﻨﺪ.‬ ‫•‬
‫41‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

15. ‫ﻓﻬﺮﺳﺖ ﻣﻄﺎﻟﺐ‬
‫ﻣﻘﺪﻣﻪ ﺍﯼ ﺑﺮ ﺩﺍﺩﻩ ﻫﺎﯼ ﭘﻴﻮﻧﺪﯼ‬ ‫•‬
‫ﻣﺴﺎﻟﻪ ﮐﻠﯽ ﭘﺮﻭﭘﻮﺯﺍﻝ‬ ‫•‬
‫ﻃﺮﺡ ﺯﻳﺮ ﻣﺴﺎﻟﻪ‬ ‫•‬
‫ﺗﺎﺭﻳﺨﭽﻪ ﮐﺎﺭﻫﺎﯼ ﺍﻧﺠﺎﻡ ﺷﺪﻩ‬ ‫•‬
‫ﻣﺘﺪ ﭘﻴﺸﻨﻬﺎﺩﯼ‬ ‫•‬
‫ﻣﺠﻤﻮﻋﻪ ﺩﺍﺩﻩ ﺳﺎﺧﺘﻪ ﺷﺪﻩ‬ ‫•‬
‫ﺭﻭﺵ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫ﻧﺘﺎﻳﺞ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫51‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

16. ‫ﺭﺍﻩ ﺣﻞ ﭘﻴﺸﻨﻬﺎﺩﯼ‬
‫ﻣﻴﺰﺍﻥ ﺷﺒﺎﻫﺖ ﺩﻭ ﻧﻮﺩ ﺩﺭ ﻳﮏ ﮔﺮﺍﻑ ﺟﻬﺖ ﺩﺍﺭ ﺑﻪ ﻣﻮﺍﺭﺩ ﺯﻳﺮ ﻭﺍﺑﺴﺘﻪ ﺍﺳﺖ‬ ‫•‬
‫• ﺗﻌﺪﺍﺩ ﻣﺴﻴﺮﻫﺎﯼ ﮐﻮﺗﺎﻩ ﺑﻴﻦ ﺩﻭ ﻧﻮﺩ‬
‫• ﻃﻮﻝ ﻣﺴﻴﺮﻫﺎﯼ ﮐﻮﺗﺎﻩ ﺑﻴﻦ ﺩﻭ ﻧﻮﺩ‬
‫ﻣﻴﺰﺍﻥ ﺷﺒﺎﻫﺖ ﺑﻴﻦ >‪<C,M‬ﺩﺭ ﺩﺳﺘﺮﺱ ﻧﻴﺴﺖ ﭼﺮﺍ ﮐﻪ ﻣﺴﻴﺮﯼ ﺑﻴﻦ ﺁﻧﻬﺎ ﻭﺟﻮﺩ ﻧﺪﺍﺭﺩ.‬ ‫•‬
‫>‪ <M,C‬ﺑﺎﻳﺪ ﺷﺒﻴﻪ ﺑﺎﺷﻨﺪ.‬ ‫•‬
‫• ﻣﻴﺰﺍﻥ ﺷﺒﺎﻫﺖ ﺑﻴﻦ >‪ <M,C‬ﺑﺎﻳﺪ ﺍﺯ>‪<M,K‬‬
‫ﺑﻴﺸﺘﺮ ﺑﺎﺷﺪ.‬
‫61‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

17. ‫ﻣﺪﻝ ﭘﻴﺸﻨﻬﺎﺩﯼ ﺑﺮﺍﯼ ﻳﺎﻓﺘﻦ ﻣﻴﺰﺍﻥ ﺷﺒﺎﻫﺖ‬
‫‪PPa,b‬‬ ‫•‬
‫• ﺑﺮﺍﺑﺮ ﺍﺳﺖ ﺑﺎ ﺍﺣﺘﻤﺎﻝ ﺭﺳﻴﺪﻥ ﺍﺯ ﻧﻮﺩ ‪ a‬ﺑﻪ ﻧﻮﺩ ‪ b‬ﺑﻪ ﻓﺮﺽ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﻣﺴﻴﺮﻫﺎﯼ ﺑﻪ ﻃﻮﻝ ‪ P‬ﻭ ﺑﻪ ﺻﻮﺭﺕ ﺯﻳﺮ‬
‫ﺗﻌﺮﻳﻒ ﻣﯽ ﺷﻮﺩ.‬
‫‪Access Value‬‬ ‫•‬
‫• ﺭﺳﻴﺪﻥ ﺍﺯ ﻧﻮﺩ ‪ a‬ﺑﻪ ﻧﻮﺩ ‪ b‬ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﻫﻤﻪ ﻃﻮﻝ ﻣﺴﻴﺮﻫﺎ ﻭ ﺩﺍﺩﻥ ﻭﺯﻥ ﺑﻪ ﻣﺴﻴﺮﻫﺎ‬
‫ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﻫﻤﻪ ﻃﻮﻝ ﻣﺴﻴﺮﻫﺎ ﺑﺴﻴﺎﺭ ﻫﺰﻳﻨﻪ ﺑﺮ ﺍﺳﺖ ﻭ ﺑﻨﺎﺑﺮﺍﻳﻦ ﺍﺯ ﺭﺍﺑﻄﻪ ﺯﻳﺮ ﺗﺨﻤﻴﻨﯽ ﺍﺯ ﺭﺍﺑﻄﻪ ﺑﺎﻻ ﺑﺪﺳﺖ ﺧﻮﺍﻫﺪ ﺁﻣﺪ‬ ‫•‬
‫•‬
‫71‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

18. ‫ﻣﺪﻝ ﭘﻴﺸﻨﻬﺎﺩﯼ ﺑﺮﺍﯼ ﻳﺎﻓﺘﻦ ﻣﻴﺰﺍﻥ ﺷﺒﺎﻫﺖ )ﺍﺩﺍﻣﻪ(‬
‫ﺿﺮﺍﻳﺐ ﻣﺴﻴﺮ ﺑﻪ ﻃﻮﻝ ‪ P‬ﺩﺭ ﺣﻮﺯﻩ ﺧﻮﺷﻪ ﺑﻨﺪﯼ ﺑﻪ ﺻﻮﺭﺕ ﺯﻳﺮ ﺍﻧﺘﺴﺎﺏ ﺩﺍﺩﻩ ﺷﺪﻩ ﺍﺳﺖ.‬ ‫•‬
‫ﻣﻴﺰﺍﻥ ﺷﺒﺎﻫﺖ ﺑﻴﻦ ﺩﻭ ﻧﻮﺩ ‪ a‬ﻭ ‪ b‬ﺑﻪ ﺻﻮﺭﺕ ﺯﻳﺮ ﭘﻴﺸﻨﻬﺎﺩ ﻣﯽ ﺷﻮﺩ‬ ‫•‬
‫•‬
‫81‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

19. ‫ﺧﻮﺷﻪ ﺑﻨﺪﯼ ﻣﺒﺘﻨﯽ ﺑﺮ ﻣﺪﻝ ﭘﻴﺸﻨﻬﺎﺩﯼ ﺭﺍﻩ ﺣﻞ ﭘﻴﺸﻨﻬﺎﺩﯼ‬
‫1. ﺍﻳﺠﺎﺩ ﺧﻮﺷﻪ ﻫﺎﯼ ﺩﻭ ﻣﻨﺒﻌﯽ‬
‫2. ﺍﺩﻏﺎﻡ ﺩﻭ ﺧﻮﺷﻪ ﺑﺎ ﺑﺎﻻﺗﺮﻳﻦ ﻣﻴﺰﺍﻥ ﺷﺒﺎﻫﺖ‬
‫3. ﺗﻮﻗﻒ ﺧﻮﺷﻪ ﺑﻨﺪﯼ ﺩﺭ ﺻﻮﺭﺕ ﺭﺳﻴﺪﻥ ﺑﻪ ﻣﻘﺪﺍﺭ ﺁﺳﺘﺎﻧﻪ‬
‫91‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

20. ‫ﺧﻮﺷﻪ ﺑﻨﺪﯼ ﻣﺒﺘﻨﯽ ﺑﺮ ﻣﺪﻝ ﭘﻴﺸﻨﻬﺎﺩﯼ ﺭﺍﻩ ﺣﻞ ﭘﻴﺸﻨﻬﺎﺩﯼ‬
‫ﺑﺮﺍﯼ ﺍﻳﺠﺎﺩ ﺧﻮﺷﻪ ﻫﺎﯼ ﺩﻭ ﻣﻨﺒﻌﯽ، ﺍﺯ ﺗﻮﺍﺑﻊ ﻣﺠﻤﻮﻉ، ﻣﺎﮐﺰﻳﻤﻢ، ﺗﻌﺪﺍﺩ، ﻣﻴﻨﻴﻤﻢ ﻭ ﻣﻴﺎﻧﮕﻴﻦ ﻣﯽ ﺗﻮﺍﻥ ﺍﺳﺘﻔﺎﺩﻩ ﻧﻤﻮﺩ.‬ ‫‪‬‬
‫ﺩﺭ ﭘﻴﺎﺩﻩ ﺳﺎﺯﯼ ﺻﻮﺭﺕ ﮔﺮﻓﺘﻪ، ﺍﺯ ﺗﺎﺑﻊ ﻣﺠﻤﻮﻉ ﺑﺮﺍﯼ ﻣﺤﺎﺳﺒﻪ ﻣﻴﺰﺍﻥ ﺷﺒﺎﻫﺖ ﺑﻴﻦ ﺩﻭ ﻧﻮﺩ ﺍﺳﺘﻔﺎﺩﻩ ﺷﺪﻩ ﺍﺳﺖ.‬ ‫‪‬‬
‫ﻓﺮﻣﻮﻝ ﺯﻳﺮ ﺑﺮﺍﯼ ﺗﺮﮐﻴﺐ ﺩﻭ ﮐﻼﺳﺘﺮ ﺩﺭ ﻣﺮﺣﻠﻪ ﺩﻭﻡ ﺧﻮﺷﻪ ﺑﻨﺪﯼ ﺍﺳﺘﻔﺎﺩﻩ ﺷﺪﻩ ﺍﺳﺖ.‬ ‫‪‬‬
‫02‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

21. ‫ﻓﻬﺮﺳﺖ ﻣﻄﺎﻟﺐ‬
‫ﻣﻘﺪﻣﻪ ﺍﯼ ﺑﺮ ﺩﺍﺩﻩ ﻫﺎﯼ ﭘﻴﻮﻧﺪﯼ‬ ‫•‬
‫ﻣﺴﺎﻟﻪ ﮐﻠﯽ ﭘﺮﻭﭘﻮﺯﺍﻝ‬ ‫•‬
‫ﻃﺮﺡ ﺯﻳﺮ ﻣﺴﺎﻟﻪ‬ ‫•‬
‫ﺗﺎﺭﻳﺨﭽﻪ ﮐﺎﺭﻫﺎﯼ ﺍﻧﺠﺎﻡ ﺷﺪﻩ‬ ‫•‬
‫ﻣﺘﺪ ﭘﻴﺸﻨﻬﺎﺩﯼ‬ ‫•‬
‫ﻣﺠﻤﻮﻋﻪ ﺩﺍﺩﻩ ﺳﺎﺧﺘﻪ ﺷﺪﻩ‬ ‫•‬
‫ﺭﻭﺵ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫ﻧﺘﺎﻳﺞ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫12‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

22. ‫ﻣﺠﻤﻮﻋﻪ ﺩﺍﺩﻩ ﺳﺎﺧﺘﻪ ﺷﺪﻩ‬
‫• ﺍﺯ ﻣﺠﻤﻮﻋﻪ ﺩﺍﺩﻩ ﺩﯼ ﺑﯽ ﭘﺪﻳﺎ ﺑﺮﺍﯼ ﺧﻮﺷﻪ ﺑﻨﺪﯼ ﻣﻨﺎﺑﻊ ﺍﺳﺘﻔﺎﺩﻩ ﺷﺪﻩ ﺍﺳﺖ. ﮐﻪ ﺩﺭ ﺣﺎﻝ ﺣﺎﺿﺮ ﺑﺎﻟﻎ ﺑﺮ 6.1 ﻣﻴﻠﻴﻮﻥ‬
‫ﻣﻮﺟﻮﺩﻳﺖ ﺩﺍﺭﺩ‬
‫• ﺑﺎﻟﻎ ﺑﺮ 063 ﻫﺰﺍﺭ ﺍﺯ ﻣﻨﺎﺑﻊ ﺩﯼ ﺑﯽ ﭘﺪﻳﺎ، ﺍﻓﺮﺍﺩ ﺭﺍ ﺗﻮﺻﻴﻒ ﻣﯽ ﮐﻨﻨﺪ. ﮐﻪ ﺍﻳﻦ ﺍﻓﺮﺍﺩ ﺗﻮﺳﻂ ﻟﻴﻨﮏ‬
‫‪ Wikipageredirect‬ﺑﻪ ﻫﻤﺪﻳﮕﺮ ﺍﺷﺎﺭﻩ ﻣﯽ ﮐﻨﻨﺪ.‬
‫ﻣﻨﺎﺑﻊ ﺗﻮﺳﻂ ﻟﻴﻨﮏ ‪ Wordnet‬ﺑﻪ ﺁﻧﺘﻮﻟﻮﮊﯼ ﺯﺑﺎﻧﯽ ﻭﺭﺩﻧﺖ ﻟﻴﻨﮏ ﺩﺍﺷﺘﻪ ﺍﻧﺪ.‬ ‫•‬
‫ﺍﺯ ﮐﻞ ﻣﻨﺎﺑﻊ ﺍﻓﺮﺍﺩ ﻣﻮﺟﻮﺩ ﺩﺭ ﺩﯼ ﺑﯽ ﭘﺪﻳﺎ ﺗﻨﻬﺎ 021 ﻫﺰﺍﺭ ﻋﺪﺩ ﺍﺯ ﺁﻧﻬﺎ ﺣﺎﻭﯼ ﻣﻘﺪﺍﺭ ﺑﺮﺍﯼ ﺍﻳﻦ ﻟﻴﻨﮏ ﻫﺴﺘﻨﺪ.‬ ‫•‬
‫ﺍﻓﺮﺍﺩ ﺩﺭ ﺩﯼ ﺑﯽ ﭘﺪﻳﺎ، ﺑﻪ 03 ﮐﻼﺱ ﺩﺳﺘﻪ ﺑﻨﺪﯼ ﺷﺪﻩ ﺍﻧﺪ.‬ ‫•‬
‫ﻫﺪﻑ ﺍﺯ ﺧﻮﺷﻪ ﺑﻨﺪﯼ، ﺗﻮﻟﻴﺪ ﻫﻤﻴﻦ ﮐﻼﺳﻬﺎ ﺑﺪﻭﻥ ﺩﺭ ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻟﻴﻨﮏ ﻭﺭﺩﻧﺖ‬ ‫•‬
‫• ﺑﻌﺪ ﺍﺯ ﻓﻴﻠﺘﺮﻳﻨﮓ ﻣﺠﻤﻮﻋﻪ ﺩﺍﺩﻩ ﺍﯼ ﺍﺳﺘﺎﻧﺪﺍﺭﺩ ﺳﺎﺧﺘﻪ ﺷﺪﻩ ﮐﻪ ﻧﺴﺨﻪ ﺍﯼ ﺍﺯ ﺁﻥ ﺩﺭ ﻭﺏ ﺑﺮﺍﯼ ﺍﺳﺘﻔﺎﺩﻩ ﻫﺎﯼ ﺑﻌﺪﯼ‬
‫ﺍﻧﺘﺸﺎﺭ ﺩﺍﺩﻩ ﺷﺪﻩ ﺍﺳﺖ.‬
‫22‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

23. ‫ﺗﻮﺯﻳﻊ ﮐﻼﺱ ﺍﻓﺮﺍﺩ ﺩﺭ ﻭﺭﺩﻧﺖ‬
‫32‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

24. ‫ﻣﺠﻤﻮﻋﻪ ﺩﺍﺩﻩ ﺳﺎﺧﺘﻪ ﺷﺪﻩ )ﺍﺩﺍﻣﻪ(‬
‫•‬
‫42‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

25. ‫ﻓﻬﺮﺳﺖ ﻣﻄﺎﻟﺐ‬
‫ﻣﻘﺪﻣﻪ ﺍﯼ ﺑﺮ ﺩﺍﺩﻩ ﻫﺎﯼ ﭘﻴﻮﻧﺪﯼ‬ ‫•‬
‫ﻣﺴﺎﻟﻪ ﮐﻠﯽ ﭘﺮﻭﭘﻮﺯﺍﻝ‬ ‫•‬
‫ﻃﺮﺡ ﺯﻳﺮ ﻣﺴﺎﻟﻪ‬ ‫•‬
‫ﺗﺎﺭﻳﺨﭽﻪ ﮐﺎﺭﻫﺎﯼ ﺍﻧﺠﺎﻡ ﺷﺪﻩ‬ ‫•‬
‫ﻣﺘﺪ ﭘﻴﺸﻨﻬﺎﺩﯼ‬ ‫•‬
‫ﻣﺠﻤﻮﻋﻪ ﺩﺍﺩﻩ ﺳﺎﺧﺘﻪ ﺷﺪﻩ‬ ‫•‬
‫ﺭﻭﺵ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫ﻧﺘﺎﻳﺞ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫52‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

26. ‫ﻣﺘﺪﻫﺎﯼ ﺍﺭﺯﻳﺎﺑﯽ‬
‫ﺁﻧﺘﺮﻭﭘﻲ:‬ ‫•‬
‫• ﻋﺪﺩﯼ ﺍﺳﺖ ﮐﻪ ﻧﺸﺎﻥ ﺩﻫﻨﺪﻩ ﺍﻳﻦ ﺍﺳﺖ ﮐﻪ ﻋﻀﻮﻫﺎﯼ ﻳﮏ ﮐﻼﺳﺘﺮ ﺑﻪ ﻳﮏ ﮐﻼﺱ ﺗﻨﻬﺎ ﺗﻌﻠﻖ ﺩﺍﺭﻧﺪ‬
‫ﺩﻗﺖ:‬ ‫•‬
‫• ﺩﺭﺻﺪﯼ ﺍﺯ ﻳﮏ ﮐﻼﺳﺘﺮ ﺍﺳﺖ ﮐﻪ ﺷﺎﻣﻞ ﺍﺷﻴﺎﺀ ﺍﺯ ﻳﮏ ﮐﻼﺱ ﻣﺸﺨﺺ ﺑﺎﺷﺪ.‬
‫ﺑﺎﺯﻳﺎﺑﯽ‬ ‫•‬
‫• ﻋﺪﺩﻱ ﺍﺳﺖ ﮐﻪ ﻧﺸﺎﻥ ﺩﻫﻨﺪﻩ ﺍﻳﻦ ﺍﺳﺖ ﮐﻪ ﺍﻋﻀﺎﻱ ﻳﮏ ﮐﻼﺱ، ﺩﺭ ﻳﮏ ﮐﻼﺳﺘﺮ ﺑﺎ ﻫﻤﺪﻳﮕﺮ ﻭﺍﻗﻊ ﻣﯽ ﺷﻮﻧﺪ‬
‫‪F-Measure‬‬ ‫•‬
‫•‬
‫62‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

27. ‫ﻓﻬﺮﺳﺖ ﻣﻄﺎﻟﺐ‬
‫ﻣﻘﺪﻣﻪ ﺍﯼ ﺑﺮ ﺩﺍﺩﻩ ﻫﺎﯼ ﭘﻴﻮﻧﺪﯼ‬ ‫•‬
‫ﻣﺴﺎﻟﻪ ﮐﻠﯽ ﭘﺮﻭﭘﻮﺯﺍﻝ‬ ‫•‬
‫ﻃﺮﺡ ﺯﻳﺮ ﻣﺴﺎﻟﻪ‬ ‫•‬
‫ﺗﺎﺭﻳﺨﭽﻪ ﮐﺎﺭﻫﺎﯼ ﺍﻧﺠﺎﻡ ﺷﺪﻩ‬ ‫•‬
‫ﻣﺘﺪ ﭘﻴﺸﻨﻬﺎﺩﯼ‬ ‫•‬
‫ﻣﺠﻤﻮﻋﻪ ﺩﺍﺩﻩ ﺳﺎﺧﺘﻪ ﺷﺪﻩ‬ ‫•‬
‫ﺭﻭﺵ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫ﻧﺘﺎﻳﺞ ﺍﺭﺯﻳﺎﺑﯽ‬ ‫•‬
‫72‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

28. ‫‪Top 5 Similar at SRi‬‬
‫•‬
‫82‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

29. ‫ﻧﺘﺎﻳﺞ ﻣﻘﺎﻳﺴﻪ ﻣﺘﺪ ﭘﻴﺸﻨﻬﺎﺩﯼ ﺑﺎ ﺭﻭﺷﻬﺎﯼ ﻗﺒﻠﯽ‬
‫•‬
‫92‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

30. ‫ﻧﺘﺎﻳﺞ ﺑﻪ ﺻﻮﺭﺕ ﮔﺮﺍﻑ‬
‫•‬
‫03‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

31. ‫ﻧﺘﺎﻳﺞ ﺑﻪ ﺻﻮﺭﺕ ﮔﺮﺍﻑ‬
‫•‬
‫13‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

32. ‫ﮐﺎﺭﺑﺮﺩ ﻣﺴﺎﻟﻪ ﻣﻮﺭﺩ ﻧﻈﺮ‬
‫ﺧﻮﺷﻪ ﺑﻨﺪﯼ ﻣﻨﺎﺑﻊ ﻭ ﺳﺎﺯﻣﺎﻧﺪﻫﯽ ﺁﻧﻬﺎ ﺩﺭ ﺧﻮﺷﻪ ﻫﺎﯼ ﻣﺮﺗﺒﻂ‬ ‫•‬
‫ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﻣﻘﺎﺩﻳﺮ ﺷﺒﺎﻫﺖ ﺑﺮﺍﯼ ﭘﻴﺸﻨﻬﺎﺩ ﻣﻨﺎﺑﻊ ﻣﺮﺗﺒﻂ ﺗﺮ‬ ‫•‬
‫ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﻣﻘﺎﺩﻳﺮ ﺷﺒﺎﻫﺖ ﺑﺮﺍﯼ ﻳﺎﻓﺘﻦ ﻣﻘﺎﺩﻳﺮ ﻟﻴﻨﮏ ﺩﻳﮕﺮ ﻣﻨﺎﺑﻊ‬ ‫•‬
‫ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﻣﻘﺎﺩﻳﺮ ﺷﺒﺎﻫﺖ ﺑﺮﺍﯼ ﻳﺎﻓﺘﻦ ﻣﻘﺪﺍﺭ ﻟﻴﻨﮏ ‪ wordnet_type‬ﻣﻨﺎﺑﻊ ﺩﯼ ﺑﯽ ﭘﺪﻳﺎ‬ ‫•‬
‫23‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

33. ‫ﮐﺎﺭﺑﺮﺩ ﺩﺭ ﺷﺒﮑﻪ ﻫﺎﯼ ﺍﺟﺘﻤﺎﻋﯽ‬
‫ﺭﻭﺷﻲ ﺑﺮﺍﯼ ﻳﺎﻓﺘﻦ ﻣﻴﺰﺍﻥ ﺷﺒﺎﻫﺖ ﻣﻨﺎﺑﻊ ﺩﺭ ﻭﺏ ﻣﺒﺘﻨﯽ ﺑﺮ ﺩﺍﺩﻩ ﺍﺭﺍﺋﻪ ﺷﺪﻩ ﺍﺳﺖ‬ ‫•‬
‫ﺗﻌﺪﺍﺩ ﺩﻭﺳﺖ ﻣﺸﺘﺮﮎ ﻫﺎﺩﯼ ﺑﺎ ﺑﻘﻴﻪ ﺍﻓﺮﺍﺩ ﺑﻪ ﺻﻮﺭﺕ ﺯﻳﺮ ﺍﺳﺖ‬ ‫•‬
‫• ﻫﺎﺩﯼ- ﺷﻴﺮﻭﺍﻥ 64‬
‫• ﻫﺎﺩﯼ- ﺍﻣﻴﺪ 34‬
‫• ﻫﺎﺩﯼ -ﮐﺎﻇﻤﯽ ﻓﺮﺩ 32‬
‫• ﻫﺎﺩﯼ- ﺍﺣﻤﺪ 21‬
‫• ﻫﺎﺩﯼ-ﻧﺎﻭﻳﻦ 3‬
‫ﺁﻳﺎ ﻣﻴﺰﺍﻥ ﺷﺒﺎﻫﺖ ﻫﺎﺩﯼ ﺑﺎ ﺍﻓﺮﺍﺩ‬
‫3‬ ‫64‬
‫ﺩﺭ ﺩﻧﻴﺎﯼ ﻭﺍﻗﻌﯽ ﺑﻪ ﻫﻤﻴﻦ ﺷﮑﻞ‬
‫34‬ ‫ﺍﺳﺖ؟؟؟؟؟؟؟؟؟؟؟؟؟؟‬
‫32‬
‫21‬
‫33‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

34. ‫ﻧﺘﻴﺠﻪ ﮔﻴﺮﯼ ﻭ ﮐﺎﺭﻫﺎﯼ ﺁﻳﻨﺪﻩ‬
‫ﺭﻭﺷﻲ ﺑﺮﺍﯼ ﻳﺎﻓﺘﻦ ﻣﻴﺰﺍﻥ ﺷﺒﺎﻫﺖ ﻣﻨﺎﺑﻊ ﺩﺭ ﻭﺏ ﻣﺒﺘﻨﯽ ﺑﺮ ﺩﺍﺩﻩ ﺍﺭﺍﺋﻪ ﺷﺪﻩ ﺍﺳﺖ‬ ‫•‬
‫ﺍﻋﻤﺎﻝ ﻣﺘﺪ ﭘﻴﺸﻨﻬﺎﺩﯼ ﺑﺮ ﺭﻭﯼ ﮔﺮﺍﻑ ﺷﺒﮑﻪ ﻫﺎﯼ ﺍﺟﺘﻤﺎﻋﯽ‬ ‫•‬
‫ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﻣﺘﺪﻫﺎﻳﻲ ﻫﻤﭽﻮﻥ ﺷﺒﮑﻪ ﻫﺎﯼ ﻋﺼﺒﯽ ﺑﺮﺍﯼ ﺍﻧﺘﺴﺎﺏ ﻣﻘﺪﺍﺭ ﺩﻗﻴﻖ ﻭﺯﻥ ﻫﺎ‬ ‫•‬
‫• ﺩﺭ ﻫﺮ ﺣﻮﺯﻩ ﺑﻪ ﺻﻮﺭﺕ ﺟﺪﺍﮔﺎﻧﻪ ﺑﺎﻳﺪ ﺍﻋﻤﺎﻝ ﺷﻮﺩ‬
‫ﺍﺭﺍﺋﻪ ﻳﮏ ﻣﺘﺪ ﻋﻤﻮﻣﯽ ﺩﺍﺭﺍﯼ ﻗﺎﺑﻠﻴﺖ ﺳﻔﺎﺭﺷﯽ ﺷﺪﻥ ﺑﺮﺍﯼ ﻫﺮ ﺣﻮﺯﻩ ﺧﺎﺹ‬ ‫•‬
‫43‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬

35. ‫ﺑﺎ ﺗﺸﮑﺮ ﺍﺯ ﺣﺴﻦ ﺗﻮﺟﻪ ﺷﻤﺎ‬
‫53‬ ‫ﻣﺳﯾر ﮐوﺗﺎه ﺑرای ﯾﺎﻓﺗن ﻣﯾزان ﺷﺑﺎھت‬ ‫62/7/0931‬