رحمت،محمدرضا(1388)پیشگیری از جرم از طریق معماری و شهرسازی،چاپ دوم، میزان، تهران.
"گسترش روزافزون جرایم در ساختار كالبدی شهری و عدم توجه معماران و شهرسازان به اصول جلوگیری از جرایم محیطی می‌طلبد تا با روی‌كردی جدید، امكان اجرای اصول «CPTED» را در هنگام طراحی ساختمان یا ساختار شهری فراهم كرد. رعایت این اصول می‌تواند احساس امنیت شهروندان و میزان رضایت‌مندی شهروندی را افزایش دهد و یكی از راه‌های افزایش رفاه اجتماعی در شهر به شمار می‌آید. ضمن پرداختن به مفهوم و اهمیت امنیت، به طرح روی‌كردی جدید در «جلوگیری از جرایم شهری از طریق طراحی محیطی» پرداخته شده است كه با عنوان (CPTED) كاربرد دارد."
مشاوره انجام پروپوزال ارشد انجام پایان نامه دکتری تهران تبریز اصفهان شیراز
قالی باف، حمد باقر، انصاری زاده، سلمان، پرهیز، فریاد(1394)،بررسی و تحلیل نقش کانون های جرم خیز در وقوع جرایم شهری،شهرداری ها، سال یازدهم، شماره 100،ص18 اشنایدر تدکچین، ریچارد (1389) برنامه ریزی شهری برای پیشگیری از جرم، ترجمه دکتر فروزان سجود ی، تهران، نشر میزان فتحی، سروش(1391)،تحلیلی بر روابط اجتماعی در فضای شهری پایدار، مجله مطالعات توسعه اجتماعی ایران،سال چهارم، پاییز، ص65. در سال 1995 سیستم استخراج متن ANES به صورت خودکار به صورت مستقل به خلاصهسازی دادههای خبری پرداخت. KarthiKeyan و Srinivasagan سيستمي مبتني بر خلاصه سازي چند سنده مبني بر شبكه هاي عصبي ارائه داده اند كه در اين تكنيك هر قدم به صورت مجزا تشريح گرديده و خلاصه سازي چند سنده را ايجاد مي نمايد .[9] Nicolaos B. Karayiannis يك متدولوژي جهت ساخت محورهاي يادگيرنده در خلاصه سازي متن به كمك الگوريتم هاي فازي ارائه داده است.[7,9] به تدريج و از اوايل سال 2000 بحث خلاصه سازي شخصي سازي شده مطرح شده است . ايده اصلي خلاصه سازي شخصي سازي شده و يا مبتني بر كاربر اين است كه كاربران مختلف با توجه به دانش و پس زمينه اطلاعاتي كه دارند ، ديدگاههاي متفاوتي روي اسناد يكسان دارند .اكثر مقالاتي كه جديدا در خلاصه سازي متن ارائه مي شوند ، سعي مي كنند كه به نوعي بحث شخصي سازي را در نظر بگيرند. Marcu و Knight در سال 2000 از تکنیک هاي آماري براي فشرده سازي جملات استفاده کردند . در همان سال Bergerو Mittal نیز از تکنیک هاي مشابهی براي خلاصه سازي صفحات وب بهره بردند. [10,12] Svore در سال 2007 است فاده از تکنیک هاي یادگیري ماشین را براي خلاصه سازي پیشنهاد داد.[8] محققین در [5] چالشهای خلاصه سازی خودکار متن بررسی و کارهای موجود تا سال 2015 بررسی شده است. برای بهبود خلاصهسازی با استفاده از منطق فازی نیز نمونههای از کارهای انجام شده است در[3,7]جملات خلاصه با استفاده از قوانین فازی و مجموعههای فازی و بر اساس ویژگیهایشان استخراج میشوند. کارهایی با نگرش فهم سطحی توسط خلاصه سازي در متون فارسي نيز جايگاه خاص و ويژه اي داشته و تاكنون مقالات و پژوهش هاي فراواني در اين زمينه صورت گرفته است. در سال 1381 یک روش خلاصه سازي چکیده ای چند سندی معرفی گردید . پس از آن سامانه خلاصه ساز گزينشيFarsiSum در سال 1383 ارائه گردیده در واقع اين سامانه نسخه تغيير يافته سيستم خلاصه ساز SweSum است که با روش کلاسیک آماری به خلاصه سازی متون میپردازد.سپس در سال 1385 نیز یک سامانه خلاصه ساز تک سندی گزينشي مبتنی بر پرس و جو ارائه شد، که از ترکب دو ایده زنجیره لغوي و نظریه گراف ها بهره گرفته بود. پس از آن سيستم خلاصه سازی ارائه گردید که با استفاده از روشی مبتنی بر خوشه بندی و در نظر گرفتن بسیاری از ویژگی های زبان شتناختی به خلاصه سازی چند سندی متون فارسي مي پرداخت . بعد از آن نیز سامانه PARSUMISTدر سال 1387 معر فی گردید، که با استفاده از رویکرد آماری و در نظر گرفتن بسیاری از ویژگیهای زبان شناختی زبان فارسی، خلاصه را توليد مي نمود . همچنین سيستم خلاصه ساز خودکار متنهای فارسی در همان سال ارائه گردید سال 1993 را می توان شروع دوره جدیدي از تحقیقات در زمینه خلاصه سازي متن دانست . از سال 1993 به بعد تحقیقات حول چهار نگرش آماري ، مبتنی بر دانش، مبتنی بر فهم سطحی و نگرش ترکیبی توسط Salton و همکارانش بر اساس یک مدل انجام گرفته است . در سال 1994 فضاي برداري در بازیابی اطلاعات براي اندازه گیري میزان شباهت جمله ها و پیدا کردن جمله هاي مهم استفاده کردند [14] سیستم خلاصهسازی خودکار متن، در سال 1969، علاوه بر مدل و روش فوق با استفاده از اضافهکردن کلمات کلیدی. استاندارد، تحولی را ایجاد کرد.[4] برای تعیین وزن جملات از 3 روش زیر هم استفاده کرده بود: 1- روش نشانه: این روش مبتنی بر ارتباط جملات و کلمات بود، به این صورت که وجود یا عدم وجود برخی از کلمات در جمله محاسبه می شد. (با استفاده از فرهنگ لغات نشانه) . 2- روش عنوان: در این روش وزن جمله براساس تمام کلماتی که در عنوان و زیر عنوان متن وجود داشت محاسبه میشد. 3- روش مکان: در این روش مکان هر جمله با یک بخش از متن بررسی میشد و احتمال ارتباط بین آنها مورد نظر قرار میگرفت. نتایج نشان داد که استفاده از 3 روش فوق باعث شد که خلاصهسازی خودکار متن شباهت زیادی به خلاصهسازی انسان داشته باشد. در سال 1995، (Trainable Document Summarize TDS) بر اساس وزن اکتشافی استخراج جملات را انجام میداد. در این روش ویژگی های زیر مورد استفاده و بررسی قرار گرفت: 1- ویژگی طول جملهی برش خورده: جملاتی که حاوی تعداد کمتری از کلمات از پیش تعیین شده باشند در خلاصه گنجانده نشده باشند. 2- ویژگی عبارات ثابت: جملاتی که حاوی کلمات و عبارات معین نشانهدار باشند. 3- ویژگی پاراگراف: این روش اساسا مبتنی بر روش مکان است. 4- ویژگی کلمات موضوعی: شایعترین کلمات به عنوان کلمات موضوعی شناخته میشوند. تابعی جملات را بررسی کرده و براساس تکرار کلمات موضوعی به آنان نمره میدهد. 5- ویژگی کلماتی که با حروف بزرگ نوشته شدهاند: این کلمات هم به عنوان کلمات موضوعی شناخته میشوند (البته با استثناءهای بدیهی).[4] باید توجه داشت که در نظر گرفتن هر یک از این پارامترها می تواند در کیفیت خلاصه ایجاد شده تاثیرگذار باشد . براي مثال انتخاب پارامتر ي مثل"خوانایی"می تواند باعث کاهش شباهت جملات به هم در متن خلاصه شود . به همین منظور باید پارامترهایی انتخاب و در سیستم خلاصه ساز لحاظ شوند که خلاصه تولید شده بیشترین شباهت را با یک خلاصه انسانی داشته باشد توجه و علاقه به خلاصهسازی خودکار متن، اولین بار حدود دهه 50 به وجود آمد. یکی از مهمترین مقالات اولیه در سال 1958، پیشنهاد کرده بود که برای هر جمله یک وزن قرار دهیم و با توجه به کلمات موجود در آن، جملاتی که دارای وزن بالا و تکرار کلمات مهم هستند، انتخاب کنیم. خلاصهسازی خودکار متن یکی از چالش هاي قدیمی در متن کاوی است که نیازمند توجه محققین در زمینههای هوش محاسباتی، فرایندهای یادگیری ماشین و زبان طبیعی بوده و روشهای مختلفی نظیر شبکههای عصبی، درخت تصمیمگیری، نمودار معنایی، مدلهای رگرسیون، منطق فازی، هوش جمعی و... را درگیر میکند[4,5]. در سال 1950 توسط فردي به نام Luhn شروع شد. اساس كار او ، كلمات پر تكرار را مهم تر از ساير كلمات به حساب مي آورد . جملاتي كه تعداد بيش تري از اين كلمات را داشتند ، جملاتي بودند كه بايد در خلاصه مي آمدند. روش وي خطاي زيادي دارد و خود او ، بعضي از اين خطاها را اصلاح كرد.براي مثال برخي افراد و حروف اضافه در تمامي متن ها به دفعات ديده مي شوند ولي اطلاعات خاصي را در رابطه با عنوان مقاله در اختيار نمي گذارند . گرچه كار وي خطاي زيادي داشت ولي به علت اينكه از پايه گذاران اين روش بود ، بسيار مورد ستايش قرار گرفت . [9] از جمله كساني كه كار وي را ادامه داد Edmundson بود . او مواردي مانند تعداد دفعات تكرار هر كلمه ، تعداد كلماتي از جمله آن كه در عنوان مقاله آمده ، محل جمله در مقاله ، تعداد كلماتي از جمله آن كه نشاندهنده اهميت هستند را مورد توجه قرار داد . وي براي مشخص كردن ارزش هر جمله از تركيب خطي موارد ذكر شده استفاده كرد. به دلیل کمبود کامپیوترهاي قدرتمند و مشکلات موجود براي پردازش زبانهاي طبیعی کارهاي اولیه بروي مطالعه ظواهر متن مانند (موقعیت جمله و ، عبارات اشاره) ، متمرکز شده بود. سال 1970 تا 1980 هوش مصنوعی بکار استخراج نمايش هاي دانش ، مانند فريم هاي AI آمد . ايده آن بر اساس شناسايي موجوديتهاي مفهومي از متن و استخراج روابط بين مكانيزم هاي استنتاج بود .، مشكل اصلي اين بود كه فريم هايي تعريف شده محدوديت هايي داشتند كه ممكن بود منجر به تحليل كامل موجوديت هاي مفهومي نشود . از اول 1990 تا به حال Kupiec به كار گرفته شد .[7,13] .مسئله خلاصه سازي به صورت یک مسئله دسته بندي آماري با استفاده از الگوریتم Bayesian توسط سه محقق به نام هاي Kupiec, Pedersen, Chen مطرح گرديد. Kupiec اولین الگوریتم مبتنی بر یادگیري را پیشنهاد داد. او عمل خلاصه سازي را به صورت یک مسئله دسته بندي ، درنظر گرفت و دسته بندي کننده هاي بیزین را براي تعیین جملاتی که باید در خلاصه وارد شود ، بکار برد. سپس Chuang و Yang چندین الگوریتم مانند درخت تصمیم و دسته بندي کننده را براي استخراج قطعات جمله پیشنهاد دادند . این روش خلاصه سازي اسناد در یک حوزه خاص عملکرد خوبی دارد. Elhadad و Barzilay خلاصه هایی با پیدا کردن زنجیره هاي لغوي ایجاد کردند که به توزیع کلمه و اتصالات لغوي بین آنها ، براي تقریب زدن محتوا و ارائه یک نمایش از ساختار لغوي بهم پیوسته متن اتکا می کرد.اين دو در اين راستا دو روش را پيشنهاد دادند : يكي سنجش ارتباط و رتبه دهي به جملات مرتبط و ديگري استفاده از تحليل معاني پنهان براي شناسايي جملات مهم از نظر معنايي.[7,13] یوسفنژاد واقع (1393)، به بررسی تاثیر مدیریت ارتباط با مشتری الکترونیک در بهبود عملکرد بازاریابی بانکها پرداخت. مطالعات نشان داده اند استقرار سیستم eCRM منجر به بهبود عملکرد بازاریابی می گردد. در این پژوهش به بررسی تاثیر مدیریت ارتباط با مشتری الکترونیک (eCRM) بربهبود عملکرد بازاریابی در صنعت بانکداری پرداخته می شود. حسینی (1395)، به بررسی بررسی عوامل موثر بر مدیریت ارتباط با مشتری الکترونیک و بانکداری الکترونیک پرداخت. نتایج حاصل حاکی از تایید کلیه فرضیات تحقیق بود. بدین تریتب که عملکرد سیستم مدیریت ارتباط با مشتریان الکترونیک ( قبل خرید، حین خرید و بعد خرید) و کیفیت خدمات بانکی با ابعاد (همدردی، قابلیت اطمینان، قدرت پاسخگویی، تضمین و اطمینان، همدردی و امکانات ملموس تاثیر مثبتی بر پذیرش بانکداری الکترونیکی از سوی مشتریان دارند.پایان نامه تهران تبریز شیراز لرستان مازندران پروپوزال مشهد خوزستان ارومیه رشت یزد
انجام پروپوزال فوری پایاننامه ارزان فوری تحلیل آماری شبیه سازی دانلود مقاله تضمینی
دانلود رایگان پایان نامه شیمی هنر بیولوژی پروپوزال روانشناسی فلسفه آموزش زبان مترجمی میکروب شناسی پزشکی صنایع تربیت بدنی
isi تخفیف پروپوزال پایاننامه قسطی علوم سیاسی اجتماعی فرهنگی پایان نامه کامپیوتر مدیریت حقوق معتبر دانلود رایگان مقاله
مقاله کنفرانسی ویرایش پایاننامه ترجمه تایپ فوری دانشجو دانشگاه آزاد دولتی سراسری pdsabz20
مشاوره انلاین انجام پایان نامه انجام پروپوزال ارشد دکتری pdsabz20
" وفق نظریه خیابان، جرایمی که در سطوح به نسبت بالاتر به جای مکان های ویژه اتفاق می افتد و مشتمل بر مکان های گسترده تر نظیر خیابان ها و بلوک هاست.شناسایی مکان های فساد و فحشا نمونه ای از این نوع است. در این نظریه به دنبال این پاسخ هستند که در کدام خیابان ها می توان نمود بیشتر فساد و فحشا را پیدا کرد و در کدام خیابان ها نمی توان به وجود آنها پی برد ؟لذا بر اساس این نظریه، واحدهای مناسب تحلیل می تواند اجزای خیابان ها، مسیرها و بخش هایی از بزرگراه ها باشد که بتوان آنها را بر روی نقشه ها به عنوان خطوط منحنی، خمیده و مستقیم نمایش داد. این نظریه در ایران بسیار کاربرد دارد چرا که گشت زنی پلیس در خیابان ها به منظور شناسایی جرایم علاوه بر تدبیر مؤثر در ممانعت از غلیان برانگیزنده ی جرم است، موجب اطمینان خاطر و آرامش شهروندان در جامعه خواهد بود و تداوم امنیت و پیشگیری متعامل را در پی دارد.
بخشی از این نوشتار، ترجمه از کتابی نوشته«ریچارد اشنایدر» است که به مطالعات موردی جرم و جنایت در انگلیس و آمریکا میپردازد. اثر ارایه شده در ایران پس از بازگو کردن اقدامات انجام شده توسط این دو کشور، مسایل ایران را به آن اضافه کرده و به مقایسه کشورمان با آنها پرداخته است و از این طریق سعی در ارایه تفاوتها و شباهت‌ها و همچنین راهکارهای مؤثر برای نیروی پلیس ایران دارد.
" کاهش فرصت های محیطی ارتکاب جرم و افزایش فضاهای قابل دفاع است. در این نظریه به منظور کاهش فرصت های ارتکاب جرم در محیط های مسکونی شهری، پیشنهادات موثر و روشنی را به پلیس و طراحان شهری و معماران ارائه نموده است.این نظریه، همان نظریه ی معروف پیشگیری جرم از طریق طراحی محیطی است که در آن میزان بالای جرم در فضاهای عمومی مربوط به مجتمع های مسکونی به علت فرم و طراحی نامناسب آنها، رشد چشمگیر انبوه سازی مسکن بدون توجه به مسائل امنیتی مورد بحث قرار گرفته است.وفق این نظریه با شناسایی و پیشگیری از ایجاد فرصت های محیطی، کنترل غیر رسمی در این محیط ها میزان جرم و جنایت را کاهش می دهد و بزهکاران فضایی برای ارتکاب جرم ندارند."
لین و ژاله (2015)، به بررسی عوامل موثر بر پذیرش eCRM در صنایع تولیدی کشور استرالیا پرداختند. نتایج این مطالعه که به صورت مصاحبه با نخبگان صنعت انجام شده بود نشان داد که در دو بعد هزینه ها و ریسک ها پیاده سازی خدمات eCRM قابل بحث و بررسی است که به طور کلی شامل عوامل درخواست مشتریان، پاسخگویی شغلی، مدیریت مناسب تغییرات، اجرای فرآیندها، پیادهسازی نرم افزاری، موثر بودن استفاده از خدمات، یکپارچگی سیستم و درگیرشدن کاربران بودند.
لین و ژاله (2015)، به بررسی عوامل موثر بر پذیرش eCRM در صنایع تولیدی کشور استرالیا پرداختند. نتایج این مطالعه که به صورت مصاحبه با نخبگان صنعت انجام شده بود نشان داد که در دو بعد هزینه ها و ریسک ها پیاده سازی خدمات eCRM قابل بحث و بررسی است که به طور کلی شامل عوامل درخواست مشتریان، پاسخگویی شغلی، مدیریت مناسب تغییرات، اجرای فرآیندها، پیادهسازی نرم افزاری، موثر بودن استفاده از خدمات، یکپارچگی سیستم و درگیرشدن کاربران بودند.