سازمان های امروزی در جهت جهانی شدن رقابت می کنند که این رقابت به سطوح بی سابقه ای منجر شده است. بازارهای رقابت جهانی و سازمانها به یافتن راه حل های کاری بهتر با ساختارهای انعطاف پذیر و قابل اطمینانی نیاز دارند. بسیاری از زیر ساختارهای سازمانی و تشکیلاتی توسط سیستم های اطلاعاتی (که فرآیندهای کاری را به طور مستقیم و یا غیر مستقیم در جهت رشد و ابقاء سازمان پشتیبانی می کنند). توانمندتر شده اند. با اداره بهتر این فرآیندهای مزایای رقابتی قوی تر از طریق کاهش هزینه، افزایش تولید و بهبود سرویس دهی مشتریان حاصل شوند. در دو دهه گذشته گرایش خاصی به راه حلی متمرکز که فرآیندهای کاری را بهبود می دهند ایجاد شده است. این راه حل عبارتست از برنامه ریزی منابع سازمان (ERP).
ERP بسته های نرم افزاری هستند که در قالب سیستم های اطلاعاتی قابل پیکربندی هستند. در این سیستم ها سعی بر این است که بهترین رویه های موجود و جاری در فرآیندهای مربوطه در قالب یک بسته نرم افزاری ارائه گردد. به طور کلی هدف اصلی این سیستم ها را می توان تمرکز و منطقی سازی اطلاعات و جریان آن در سازمان دانست که این کار ممکن است با تأثیرات عمیق در سازمان مربوطه از جمله مهندسی مجدد فرآیندهای کسب و کار همراه باشد. سیستم های ERP حول تفکر برنامه های کاربردی پیش ساخته تکامل یافته اند.
فروشندگان، برنامه های کاربردی را برای هر بخش تولید می کنند و سازمان ها بر حسب نیاز آن را خریداری می کنند. در این برنامه های کاربردی مدل های گردش کار جاسازی شده اند. هر یک از این برنامه ها در بردارنده داده ها و اطلاعاتی می باشند که به واسطه این اطلاعات فرآیندهای سازمانی را کنترل می نمایند. در سیستم های ERP معمولاً مدل گردش کار در نرم افزار برنامه کاربردی جاسازی می شود
در سال 1957 نخستین ماهواره یعنی اسپوتنیک توسط اتحاد جماهیر شوروی سابق به فضا پرتاب شد. در همین دوران رقابت سختی از نظر تسلیحاتی بین دو ابر قدرت آن زمان جریان داشت و دنیا در دوران جنگ سرد به سر می برد. وزارت دفاع آمریکا در اکنش به این اقدام رقیب نظامی خود، آژانس پروژه های تحقیقاتی پیشرفته یا آرپا (ARPA) را تاسیس کرد. یکی از پروژه های مهم این آژانس تامین ارتباطات در زمان جنگ جهانی احتمالی تعریف شده بود. در همین سال ها در مراکز تحقیقاتی غیر نظامی که در امتداد دانشگاه ها بودند، تلاش برای اتصال کامپیوترها به کاربران سرویس می دادند. در اثر اهمیت یافتن این موضوع آژانس آرپا (ARPA) منابع مالی پروژه اتصال دو کامپیوتر از راه دور به یکدیگر را در دانشگاه MIT بر عهده گرفت. در اواخر سال 1960 اولین شبکه کامپیوتری بین چهار کامپیوتر که دوتای آنها در MIT، یکی در دانشکده کالیفرنیا و دیگری در مرکز تحقیقاتی استنفورد قرار داشتند، راه اندازی شد. این شبکه آرپانت (ARPA net) نامگذاری شد. در سال 1965 نخستین ارتباط راه دور بین دانشگاه MIT و یک مرکز دیگر نیز بر قرار گردید. در سال 1970 شرکت معتبر زیراکس، یک مرکز تحقیقاتی در پالوآلتو تاسیس کرد. این مرکز در طول سالها مهمترین فناوری های مرتبط با کامپیوتر را معرفی کرده است و از این نظر به یک مرکز تحقیقاتی افسانه ای بدل گشته است. این مرکز تحقیقاتی که پارک (PARC) نیز نامیده می شود. به تحقیقات در زمینه شبکه های کامپیوتری پیوست، تا این سال ها شبکه آرپانت به امور نظامی اختصاص داشت، اما در سال 1972 به عموم معرفی شد. در این سال شبکه آرپانت مراکز کامپیوتری بسیاری از دانشگاه ها و مراکز تحقیقاتی را به هم متصل کرده بود. در سال 1972 نخستین نامه الکترونیکی از طریق شبکه منتقل کردید. در این سال ها حرکتی غیر انتفاعی به نام MERIT که چندین دانشگاه بنیان گذار آن بودند، مشغول توسعه روش های اتصال کاربران ترمینال ها به کامپیوتر مرکزی یا میزبان بود. مهندسان پروژه MERIT در تلاش برای ایجاد ارتباط بین کامپیوترها، مجبور شدند تجهیزات لاز را خود طراحی کنند. آنان با طراحی تجهیزات واسطه برای مینی کامپیوتر OECPOP نخستین بستر اصلی یا Backbone شبکه های کامپیوتری را ساختند. تا سال ها نمونه های اصلاح شده این کامپیوتر با نام PCP یا Primary Communications Processor نقش میزبان را د رشبکه ها ایفا می کرد. نخستین شبکه از این نوع که چندین ایالت را به هم متصل می کرد Michnet نام داشت.
در این مقاله ما به بازبینی یک الگوریتم کمیتی(کوانتم) برای حل مسائل NP-Complete و با پیچیدگی زمانی چند جمله ای پرداخته ایم. این پژوهش تقریبا ده سال است که در یک سری مقاله توسط پروفسور Igor Volovich ارائه شده است.
حدود بیست سال قبل من در شهر رم با پروفسور Igor Volovich ملاقات کردم. از آن زمان، ما با همدیگر بر ر روی فیزیک های اطلاعات کوانتم و ریاضی مشغول پژوهش بوده ایم. وی برای ادراک اساس خلقت، دارای چشمانی باز و ذهنی انعطاف پذیر است، و از این رو وی را می توان یکی از فیزیک دانان ریاضی مهم در عصر حاضر مطرح کرد. من معمولا از کار کردن با وی لذت میبرم. مهمترین کار مشارکتی ما با هم، پیدا کردن الگوریتمی به منظور حل مسئله NPC بوده است، که در این مقاله بازبینی شده است. هر مسئله ای که بتوان آنرا در زمان چند جمله ای و به وسیله یک ماشین تورینگ غیر قطعی حل کرد، می توان به صورت چند جمله ای آنرا به یک مسئله NPC تبدیل کرد[1].، صرف نظر از اینکه یک الگوریتمی برای حل این مسئله در زمانی چند جمله ای برای بیش از سی سال وجود داشته است یا خیر، چنین مسائلی شناخته شده نیستند.
اهمیت کار میازاوا (1976) در درون یابی مدل ورودی- خروجی خانوارها، ماتریس های چندگانه متعددی را ایجاد می کند. بررسی کاملی از تعاملات اقتصادی- جمعیتی خاص در ساختار میازاوا و کاربرد آن، در چندین مقاله در آثار هوینگ و همکارانش (1999) یافت می شود. در این بخش، ما بعضی از علائم مورد استفاده در بخش های دیگر این مقاله را کنار می گذاریم، تا با کاربرد آن توسط مدل میازاوا آشنا شویم، از این رو تقریبا تمام مباحث بعدی و کاربرد چارچوب میازاوا همچنان از این علائم استفاده می کند. مشخصا، معنای آن این می باشد که به تعریف فرمول (تصویر فرمول) می پردازیم (به جای L، چون میازاوا از L برای اهداف دیگری استفاده می کند که در زیر مشاهده می کنیم).
شرکت های صنعتی و تولیدی که محصولات جدید تولید می کنند، می خواهند بدانند مشتریانشان چه احساسی نسبت به این محصولات دارند و این اطلاعات را می توان با مطالعه عقیده ها در پورتال های نظرسنجی بدست آورد. در عین حال، کاربران یا مشتریان نیز می خواهند بدانند کدام محصول را بخرند پس این نظرات را می خوانند و سعی می کنند تصمیم گیری کنند. دیده شده است که عقیده های آنلاین روز به روز محبوب تر می شوند و این عقاید، غنی بودن اطلاعات را نشان می دهند که می تواند برای صنعت و مشتریان مفید باشد. با این حال، اینجام این کار به صورت دستی سخت و زمانبر است. به عنوان مثال، سازمان های تولیدی ترجیح می دهند اطلاعات به فرمتی باشد که برای استفاده راحت تر باشد، پس اتوماتیک کردن این فرایند بسیار مفید است. اینجاست که عقیده کاوی به میان می آید. در وب، عقاید را می توان به فرم متن، تصویر، صوت یا داده ویدئویی بیان کرد. این مقاله از متن کاوی فاصله می گیرد چون در این زمینه بسیار کار شده است. عقیده کاوی را می توان یک زیر اصل از زبان شناسی محاسباتی تعریف کرد که با عقیده ای که یک سند بیان می کند در ارتباط است. طبقه بندی احساسات تعیین کننده ذهنیت، قطبیت (مثبت و منفی) و قدرت قطبیت (مثبت ضعیف، مثبت میانه و مثبت قوی) یک متن عقیده است. عبارات مختلفی توسط محققان استفاده می شود تا احساسات را طبقه بندی کنند: عقیده کاوی، تحلیل احساسات، استخراج احساسات یا رتبه بندی کارا. ما در این مقاله برای سادگی از عبارات عقیده کاوی که همه این عبارات را دربر می گیرد استفاده می کنیم.
استخراج اطلاعات (IE): آیا تبدیل اطلاعات متنی بدون ساختار به فرمت ساخت یافته که عموماً در پایگاه داده ها ذخیره و برای اهداف داده کاوی استفاده می شود، بر اساس یادگیری زبان ماشین است. داده های خاص، استخراج و در قالب موجود قرار می گیرند. این کار دقت اطلاعات بازیافتی را بهبود می بخشد و می تواند به عنوان پایه ای برای گروه بندی داده های استخراج شده استفاده شود.