کاربست یادگیری ماشینی خوشه مبنا در تحلیل متنی مقالات علمی نمایه شده در وب (نمونه پژوهی: مقالات مربوط به تاب آوری اقلیمی در حوزه برنامه ریزی شهری)

رشد فزاینده مطالعات علمی نمایه شده در وب و افزایش چشمگیر شمار مقالات در حوزه های تخصصی علوم، بررسی کامل مطالب به روشهای سنتی و همچنین مطالعه ی تمام ادبیات مرتبط را به لحاظ زمان، هزینه و منابع در دسترس غیرممکن ساخته است. به همین دلیل پژوهشگران به کاربست شیوه های یادگیری ماشینی و هوشمندسازی روند تحلیل مقالات علمی به وسیله ی الگوریتم های ریاضی روی آوردند. یکی از جدیدترین و متداول ترین این الگوریتم ها، یادگیری ماشینی خوشه مبناست که در قالب رابط و نرم افزارهایی چون VOS Viewer به تحلیل مرجعی و متنی اسناد میپردازد. مقاله حاضر به عنوان یک پژوهش علمی-ترویجی و به روش مطالعات کتابخانهای، با هدف تشریح این الگوریتم و نحوه استفاده از نرم افزارهای مربوطه در تحلیل متنی مقالات علمی، تدوین گشته است. به همین جهت، در ابتدا به بررسی شیوه های مرور ادبیات علمی پرداخت شده و سپس در سه گام نحوه استفاده از نرم افزار VOS Viewer و الگوریتم آن بر روی یک نمونه موردی، بررسی می گردد. نمونه مورد مطالعه در این پژوهش، مقالات مربوط به تاب آوری اقلیمی در حوزه برنامه ریزی شهری است که در بازه ۲۰۰۱ تا ۲۰۲۱ در اینترنت نمایه شده اند.