Concordia University
Email:shiri@cse.concordia.ca
Personal Webpage: https://www.concordia.ca
From Data Management to Management Data |
Abstract In this talk we will review major steps to transform data management to management data. This has implications for and impacts on a wide range of different research and development opportunities and activities. In addition to representing and processing date in most applications, we also need abilities to analyze, reason, and explain the data (ARE, pronounced as "areh"). Such capabilities are gaining popularity and essential too in particular when the data is large and/or complex. ARE focuses on methods to discover hidden information (jewel) in data (dirt), and/or explaining query answers. For large organizations and industries, ARE is essential for planning, management, decision making. To academia, ARE provides new research and training opportunities, which for industry, can result in activities for development of more efficient and scalable tools and techniques. |
Professor Uffe Kock Wiil
University of Southern Denmark
Email: ukwiil@mmmi.sdu.dk
Personal Webpage: https://portal.findresearcher.sdu.dk/da/persons/ukwiil
Data-driven Health Technology: Challenges and Opportunities |
Abstract
Health care systems worldwide collect an enormous amount of data in electronic health records and other primary and secondary healthcare information systems. In recent years, there has been an increased focus on making better use of the collected data for monitoring, prevention, diagnosis, treatment, prognosis, administration, etc. Data-driven health technology is interdisciplinary in nature requiring expertise from various fields such as health technology, computational intelligence, and health science. There is a huge potential, but also prominent challenges when developing and deploying novel technical solutions to the benefit of patients (and their relatives) and health professionals. The talk will discuss various aspects of data-driven health technology and provide examples of novel intelligent systems based on health care data. |
Professor Kambiz Badie
Telecommunication Research Center (ITRC)
Personal Webpage: https://www.itrc.ac.ir
مفهوم سازی شباهت میان واحد های معنایی: رهیافتی به آهیختن نکات کلیدی |
چکیده: یافتن شباهت (Similarity) میان واحدهای معنایی (Semantic Units) در یک متن مقولهای است که پرداختن به آن میتواند کاربردهای گوناگونی در پردازش متون منجمله متنکاوی (Text Mining) و تفسیر متن (ویزارش متن، Text Interpretation) را از آن خود سازد. آنچه در این وادی به طرز ویژهای قد برمیافرازد، آهیزش (استخراج، Extraction) نکات کلیدی از یک متن است که فیالواقع هویت بخش آن از منظر دغدغه یا قصدی است که به گونهای از جانب نگارنده آن مطرح میباشد. آنچه در این ارتباط حائز توجه است این است که دو واحد معنایی (مثلاً دو جمله) به چه منوال و برپایه چه منطقی، میتوانند مشابه (و یا به گونهای در ارتباط با) یکدیگر تلقی گردند و اینکه جنبههای مشترک ممکنه میان دو واحد معنایی را به چه سان میتوان ترسیم کرد. شایان ذکر است که یافتن وجه اشتراک میان دو واحد معنایی، منجر به مفهومسازی شباهت میان این دو واحد میگردد. این مورد به ویژه در مواردی که یک متن از طبیعتی پیچیده (از منظر گزارههای به کار رفته و چندگانگی دیدگاههای لحاظ شده) بـرخوردار است، اهمیت ویژهای مییابـد. رویکردهای عدیدهای در ارتباط با مفهومسازی شباهت و شباهتیابی میان دو واحد معنایی قابل ترسیم است که از جمله آنها میتـوان به (1) سنجش شبـاهت میـان دو واحد معنـایی بـر پایـه شبـاهتهای محلی (Local Similarities) به کار رفته در یک واحد معنایی (یک عبارت، یک جمله، یک پاراگراف،...)، (2) ربطدهی دو واحد معنایی به یکدیگر برپایه فعالسازی مجموعهای از عملگرها (Operations)ی حائز اهمیت از دیدگاههای زبانشناسی و روانشناسی و (3) بررسی یک واحد معنایی از منظر معنایی دیگر برپایه گزارههای به کار رفته در تبیین هر یک اشاره کرد. بدیهی است که در مورد سوم، اصل برقراری شباهت مستقیم میان دو واحد الزاماً سازگار نبوده و لذا این هدف مطرح است که نشان داده شود چگونه، با مترتب بودن فرض حضور نوعی شباهت غیرمستقیم میان این دو و تلفیق گزارههای مربوطه با یکدیگر، میتوان نوعی واحد معنایی جدید را که به نوبه خود از امکان کاربری مفیدی در یک همبافت (Content) خاص برخوردار است، سامان بخشید. در این سخنرانی، ضمن گذری اجمالی بر رویکردهای ممکن در شباهتیابی میان واحدهای معنایی، به دو چارچوب شناختی (Cognitive Framework) در راستای مفهومسازی شباهت میان واحدهای معنایی در متون، به عنوان رویکردی برای آهیزش نکات کلیدی اشاره میگردد. چارچوب شناختی اول، مبتنی بر ایده یافتن شباهت میان دو واحد معنایی بر پایه فعالسازی مجموعهای از عملگرها از قبیل جانشینساز (Substitution)، در برگیری (شمولیت، (Supersumption، مرکبسازی (Synthesization) و شاکلهورزی (Schemification) است که هر کدام به نوبه خود از منظر زبانشناسی و یا روانشناسی حائز اهمیت بوده و از این توانایی برخوردارند تا در مسیر ربط دادن دو واحد معنایی به یکدیگر، گزارهای را به گزاره دیگر مبدل سازند. چارچوب شناختی دوم مبتنی بر ایده بررسی (واکاوی) واحد معنایی نمایانگر یک دیدگاه از منظر واحد معنایی ��مایانگر دیدگاه دیگر است که طبق آن نشان داده خواهد شد که یک واحد معنایی تا چه اندازه میتواند از گنجایش مطابقت با واحد معنایی دیگری که فاقد شباهت ظاهری از لحاظ گزارههای پایهای آن است، برخوردار باشد. در متن سخنرانی، به مجموعهای از مثالها در خصوص این دو چارچوب و نقش کارکردی آنان در جامعیتبخشی به پدیده شباهت میان واحدهای معنایی مربوط اشاره خواهد گردید. |
تمدید مهلت ارسال مقاله
1400/08/01آخرین مهلت تمدید ارسال مقالات
1400/08/08اعلام نتایج مقالات
1400/09/05مهلت ارسال نسخه نهایی و ویدئویی ارائه
1400/09/09دبیرخانه دوازدهمین کنفرانس:بابل، خیابان شهید طبرسی-خیابان سرداران 12، دانشگاه علوم و فنون مازندران
مسئول دبیرخانه: هاجر محمدی نیا
تلفن: 32191205-011 تلفن دبیرخانه: 32260298-011
پست الکترونیکی: ikt2021@ustmb.ac.ir
وب سایت : http://iktconference.ir
دبیرخانه انجمن ICT ایران: تهران، خیابان حافظ، دانشگاه صنعتی امیرکیبر، ساختمان ابوریحان، طبقه ششم، اتاق 612
مسئول دبیرخانه: سمیه آهاری
تلفن: 66485856-021 وب سایت انجمن: http://iranict.aut.ac.ir