هنگامی که شبکه های کامپیوتری ستون اصلی علم و اقتصاد شد، حجم زیادی از مستندات در دسترس قرار گرفتند. به همین منظور، برای استخراج اطلاعات مفید از روش های متن کاوی استفاده می شود. متن کاوی یک حوزه پژوهشی مهم در کشف اطلاعات ناشناخته، فرضیات، و حقایق جدید به وسیله استخراج اطلاعات از اسناد مختلف است. همچنین متن کاوي آشکار کردن اطلاعات پنهان با استفاده از روشي است که در يک طرف توانايي مقابله با تعداد زيادي کلمات و ساختارهايي در زبان طبيعي را نشان مي‌دهد و از طرف ديگر اجازه مديريت ابهام و شک را می دهد. علاوه بر آن، متن کاوی به عنوان داده کاوی متن بیان می شود که معادل با تجزیه و تحلیل متون است و به فرایند استخراج اطلاعات از متن می پردازد و اطلاعات با کیفیت بالا را از میان الگوها و فرایندها استخراج می کند. همچنین به عنوان داده کاوی متن یا کشف دانش از پایگاه داده های متنی شناخته می شود و به فرایند استخراج الگوها یا دانش از اسناد متنی بیان می شود. روش تحقیق در این کار بدین صورت است که ابتدا به بررسي پژوهش‌های انجام شده در حوزه متن کاوی با تأکید بر روش ها و کاربردهای آن در آموزش الکترونیکی پرداخته شد. در طی این مطالعات، پژوهش های مرتبط در حوزه آموزش الکترونیکی طبقه بندی گردیدند. پس از طبقه بندی پژوهش‌ها، مسائل و راهکارهای مرتبط با مسائل مطرح شده در آن کارها، استخراج شدند. در همین راستا، در این مقاله ابتدا به تعریف متن کاوی پرداخته می‌شود. سپس فرایند متن کاوی و حوزه های کاربرد متن‌کاوی در آموزش الکترونیکی مورد بررسی قرار می‌گیرند. در ادامه روش‌های متن کاوی معرفی شده و تک تک این روش‌ها در حوزه آموزش الکترونیکی مطرح می‌گردد. در انتها ضمن استنتاج نکات مهم مطالعات انجام شده، مدلی جهت استخراج اطلاعات برای بهره‌برداری از روش‌های متن کاوی در یادگیری الکترونیکی پیشنهاد می شود. تفاصيل المقالة

The ubiquity of Internet and social networks have turned question and answer communities into an environment suitable for users to ask their questions about anything or to share their knowledge by providing answers to other users’ questions. These communities designed for knowledge-sharing aim to improve user knowledge, making it imperative to have a mechanism that can evaluate users’ knowledge level or in other words “to find experts”. There is a need for expert-finding algorithms in social networks or any other knowledge sharing environment like question and answer communities. There are various content analysis and link analysis methods for expert-finding in social networks. This paper aims to challenge four algorithms by applying them to our dataset and analyze the results in order to compare the algorithms. The algorithms suitable for expert finding has been found and ranked. Based on the results and tests it is concluded that the Z-score algorithm has a better performance than others. تفاصيل المقالة