دانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068220190622Feature ranking for Persian Review Spam detectionرتبه بندی ویژگیها در تشخیص نظرات اسپم فارسی11687279FAنشاط صفریاندانشکده مهندسی برق و کامپیوتر، مؤسسه آموزش عالی صفاهان، اصفهان، ایرانمحمد احسان بصیریگروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهرکرد، شهرکرد، ایران0000-0003-2893-3892هادی خسرویدانشکده فنی و مهندسی، دانشگاه شهرکرد، شهرکرد، ایرانJournal Article20180826Using 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.یکی از عوامل اصلی در تصمیمگیری مشتریان برای خرید یک محصول یا استفاده از خدماتی خاص، استفاده از نظرات برخط است. اینگونه از نظرات منابعی ارزشمند از اطلاعات هستند که برای تشخیص افکار عمومی در مورد محصول یا خدمات استفاده میشوند. اگرچه نظرات برخط میتوانند مفید باشند اما اعتماد کورکورانه به آنها، هم برای فروشنده و هم برای خریدار خطرناک است زیرا ممکن است برای بهدست آوردن سود، دستکاری شده باشند که اصطلاحاً به این گونه نظرات « نظرات اسپم» گفته میشود. پژوهش حاضر روی نظرات فارسی ثبتشده در مورد تلفن همراه در وبسایت دیجیکالا انجام شده و از میان انواع اسپم، اسپم نوع یک و دو بررسی شدهاند که نوع اول نظرات جعلی و نوع دوم نظراتی هستند که تنها در رابطه با مدل کالا نوشته شدهاند. ویژگیهای مورد استفاده در این پژوهش به علت کارا بودن آنها در دستهبندی، شامل ویژگیهای مبتنی بر نظر و ویژگیهای فراداده است. این ویژگیها و نیز ترکیبهای متفاوت از آنها در تشخیص نظرات اسپم فارسی و تأثیر آنها روی دقت دستهبند بررسی شده است. دستهبندی توسط درخت تصمیم، دستهبند ماشین بردار پشتیبان و دستهبند نایو بیز انجام شده و در نهایت دقت آنها روی ترکیبهای مختلف این ویژگیها با هم مقایسه گردیده است. بالاترین میزان دقت بهدست آمده از سه دستهبند توسط درخت تصمیم حاصل میشود که برابر با با 778/0 براساس معیار اِف است. در رتبهدهی به ویژگیها باز هم درخت تصمیم با دقت 824/0 و با ترکیب سه ویژگی بازخوردهای مثبت، امتیاز کلی کالا و قطبیت نظر رتبهی برتر را به خود اختصاص میدهد.https://jscit.nit.ac.ir/article_87279_df20f941945a01babc0de419ea3e34af.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068220190622A cost-aware method for cloud services composition using a hybrid algorithmیک روش آگاه از هزینه برای ترکیب خدمات ابری به کمک یک الگوریتم ترکیبی172687833FAسعید اصغریباشگاه پژوهشگران جوان و نخبگان، دانشگاه آزاد اسلامی، واحد تبریز، تبریز، ایراننیما جعفری نویمی پوراستادیار، دانشگاه آزاد اسلامی، واحد تبریز، گروه مهندسی کامپیوتر، تبریز، ایران0000-0002-5514-5536Journal Article20161218Cloud 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.رایانش ابری به عنوان روش جدیدی از محاسبات مطرح میشود که در آن منابع مقیاس پذیر هستند و به صورت مجازی خدمتی را با استفاده از بستر اینترنت فراهم میکنند. 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 ترکیبهای ابری که قابلیت پاسخگویی به درخواستهای کاربران را دارند به صورت صعودی بر حسب تعداد ابرهای موجود در خدمات ابری مرکب مرتب میشوند، سپس الگوریتم مورچگان به ترتیب از هر دسته ترکیب ابری مناسب را انتخاب میکند. نتایج بدست آمده نشان میدهد که روش پیشنهادی میتواند انرژی مصرف شده و هزینه را بهبود بخشد.https://jscit.nit.ac.ir/article_87833_1b6fe4fb16b39352f24ea72f30916584.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068220190622A new model for selecting information flow pattern in build-to-order Supply Chainsارائه مدل جدیدی برای انتخاب الگوی جریان داده و اطلاعات در زنجیره تأمین با مد سفارشیساز274385773FAصابر دین پرستدانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر، تهران، ایرانسید علیرضا هاشمی گلپایگانیدانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر، تهران، ایرانJournal Article20171217Build-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.زنجیره های تأمین با مد سفارشی ساز، در زمرة زنجیرههای چابک قرار دارند، بنابراین تغییر در ساختار فیزیکی آنها، اجتنابناپذیر است؛ تغییر ساختار فیزیکی، جریان کالا و مواد آن را متأثر میسازد. اینجاست که بازنگری در الگوی جریان داده و اطلاعات، ضرورت پیدا میکند. 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 مقالة 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 قابلیتهای مدل سازی ریاضی ارائه گردد. در همین راستا، پارامترهای مهم و تأثیرگذار و سازندهی 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 قابلیتهای مدل سازی ریاضی، سیستم مورد نظر مدل شده است. در واقع مدل ساخته شده با دریافت پارامترهای مربوط به جریان مواد و کالای زنجیرههای سفارشیساز، الگوی متناسب اطلاعاتی آن را ارائه می دهد.https://jscit.nit.ac.ir/article_85773_a72c079b9ee2318210ef8be05dd2d8f3.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068220190622A New Approach for Optimal Placement of Virtual Machines in Cloud Datacenters Using Discrete Gravitational Search Algorithm and Chaotic Functionsارائه راهکاری جدید برای جایگذاری بهینه ماشینهای مجازی در مراکز داده ابری با استفاده از الگوریتم جستجوی گرانشی گسسته و توابع آشوبناک445485845FAساسان قره پاشاگروه کامپیوتر، دانشگاه آزاد اسلامی واحد ارومیه، ارومیه، ایرانمحمد مصدریگروه کامپیوتر، دانشگاه آزاد اسلامی واحد ارومیه، ارومیه، ایراناحمد جعفریانگروه ریاضی، دانشگاه آزاد اسلامی واحد ارومیه، ارومیه، ایرانJournal Article20180718Placement 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.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.https://jscit.nit.ac.ir/article_85845_019e28b52f42d88b7ada668e9a79f858.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068220190622A Novel Approach for being Completely Anonymous in Cloud Computing Environmentیک روش نوین جهت تامین بی نشانی کامل در فضای رایانش ابری557587396FAفاطمه راجیدانشکده علوم کامپیوتر، دانشگاه اصفهان، اصفهان، ایرانJournal Article20161206Cloud 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.یکی از فناوریهائی که در سالهای اخیر بسیار مورد توجه محققین قرار گرفته, فناوری رایانش ابری است. این در حالی است که تأمین 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.https://jscit.nit.ac.ir/article_87396_35667f712da5a3579013489d4ef523c7.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068220190622A Novel Approach in Computer Vision and Photogrammetry to Recover the Relative Position and Orientation of Cameras in Stereo Images Using the SVD Decomposition of the Essential Matrixراهکاری نوین در ماشین بینایی و فتوگرامتری برای بازیابی موقعیت نسبی دوربینها در تصاویر استریو با استفاده از تجزیه SVD ماتریس اساسی768888158FAمسعود ورشوسازگروه فتوگرامتری و سنجش از دور، دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایرانعلیرضا آفریگروه فتوگرامتری و سنجش از دور، دانشکده مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایرانمحمد سعادت سرشتدانشکده مهندسی نقشهبرداری و اطلاعات مکانی، دانشگاه تهران، تهران، ایرانبرات مجردیدانشکده عمران، دانشگاه علم و صنعت ایران، تهران، ایرانJournal Article20190131The 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.اطلاعات موقعیت و وضعیت نسبی دوربینها در تصاویر استریو، در درون ماتریس اساسی E<br />(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 دوربینها در این تصاویر میباشد. 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 دوربینها در تصاویر استریو ارائه شده است. ابتدا فرمولهای 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 میگردد. در این روش نیازی به نگاشت اولیه ماتریس اساسی E محاسبه شده از مختصاتهای خطادار نقاط عکسی متناظر در دو تصویر، به فضای ماتریسهای اساسی نبوده و این نگاشت در هنگام تعیین ماتریس پادمتقارن S انجام میگردد. بررسیهای انجام شده نشان میدهد که نتایج روش جدید ارائه شده با نتایج حاصل از فرمولهای تجزیه موجود یکسان است.https://jscit.nit.ac.ir/article_88158_b54aab6cf8ff5763680fff30f952eb5c.pdfدانشگاه صنعتی نوشیروانی بابلمجله علمی رایانش نرم و فناوری اطلاعات2383-10068220190622Sentiment Classification of Opinions based on Multi-source Transfer Learning Using Structural Correspondence Learningدستهبندی احساسی عقاید مبتنی بر یادگیری انتقالی چندمنبعی با استفاده از دستهبند متناظر ساختاری وزندار8910188271FAسعید دهقانی اشکذریپردیس فنی و مهندسی، دانشکده مهندسی کامپیوتر، دانشگاه یزد، یزد، ایرانولی درهمیپردیس فنی و مهندسی، دانشکده مهندسی کامپیوتر، دانشگاه یزد، یزد، ایرانعلی محمد زارع بیدکیپردیس فنی و مهندسی، دانشکده مهندسی کامپیوتر، دانشگاه یزد، یزد، ایرانLحسان بصیریگروه مهندسی کامپیوتر، دانشگاه شهرکرد، شهرکرد، ایران0000-0003-2893-3892Journal Article20180216Abstract :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.دستهبندی احساسی عقاید زمینهای در پردازش زبان طبیعی است که در سالهای اخیر با محبوب شدن فروشگاههای اینترنتی و امکان درج عقیده در مورد کالا یا سرویس خریداریشده مورد توجه پژوهشگران قرار گرفته است. برای آموزش مدلهای دستهبند، به مجموعه دادههای برچسبخورده نیاز است؛ اما عدم وجود نمونههای برچسبخورده در همه دامنهها و با توجه به دشواری فرایند برچسب زدن نمونهها، میبایست بهنوعی از نمونههایی که در دامنههای دیگر وجود دارد برای ساخت مدلها استفاده نمود. در این مقاله روشی برای دستهبندی احساسی عقاید به دو دسته مثبت و منفی، مبتنی بر یادگیری انتقالی چندمنبعی ارائه میشود. روش پیشنهادی این مقاله با استفاده از یادگیری متناظر ساختاری، اقدام به تطبیق دامنههای مختلف نموده و بر اساس روال تکرارشونده یک الگوریتم بوستینگ به نمونههای دستهبندیشده دامنههای مختلف، وزنی را تخصیص داده و با ادغام هر یک از دستهبندها، در مورد دسته هر عقیده تصمیمگیری مینماید. وزندهی به نمونهها برای تقویت فرایند دستهبندی مبنتی بر فرایند بوستینگ و ترکیب آن با یادگیری متناظر ساختاری مهمترین نوآوری پژوهش جاری است. از مجموعه دادههای 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 ردههای الکترونیک، دیویدی، کتاب و آشپزخانه به دست آمده و حاکی از مؤثر بودن روش پیشنهادی در قیاس با روشهای مشابه است.https://jscit.nit.ac.ir/article_88271_170f0b72da66e7a400a799586643f219.pdf