paint-brush
"एआई डेटा संग्रह, विश्लेषण, भविष्यवाणी और मूल्यांकन प्रक्रियाओं को बढ़ा सकता है" द्वारा@decentralizeai
155 रीडिंग

"एआई डेटा संग्रह, विश्लेषण, भविष्यवाणी और मूल्यांकन प्रक्रियाओं को बढ़ा सकता है"

द्वारा Decentralize AI, or Else
Decentralize AI, or Else  HackerNoon profile picture

Decentralize AI, or Else

@decentralizeai

"Not going to beat centralized AI with more centralized AI"...

13 मिनट read2024/06/25
Read on Terminal Reader
Read this story in a terminal
Print this story

बहुत लंबा; पढ़ने के लिए

इस रिपोर्ट में, हम कई उदाहरणों के माध्यम से साइंटोमेट्रिक्स, वेबमेट्रिक्स और बिब्लियोमेट्रिक्स के साथ एआई एल्गोरिदम को एकीकृत करने के महत्व और क्षमता पर जोर देते हैं।
featured image - "एआई डेटा संग्रह, विश्लेषण, भविष्यवाणी और मूल्यांकन प्रक्रियाओं को बढ़ा सकता है"
Decentralize AI, or Else  HackerNoon profile picture
Decentralize AI, or Else

Decentralize AI, or Else

@decentralizeai

"Not going to beat centralized AI with more centralized AI" ExStability CEO Emad Mostaque on whats next? Decentralize AI

0-item

STORY’S CREDIBILITY

Academic Research Paper

Academic Research Paper

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

लेखक:

(1) हामिद रजा सईदनिया, सूचना विज्ञान और ज्ञान अध्ययन विभाग, तरबियत मोदारेस विश्वविद्यालय, तेहरान, इस्लामी गणराज्य ईरान;

(2) इलाहेह होसैनी, सूचना विज्ञान और ज्ञान अध्ययन विभाग, मनोविज्ञान और शैक्षिक विज्ञान संकाय, अलज़हरा विश्वविद्यालय, तेहरान, इस्लामी गणराज्य ईरान;

(3) शदी अब्दोली, सूचना विज्ञान विभाग, यूनिवर्सिटी डी मॉन्ट्रियल, मॉन्ट्रियल, कनाडा

(4) मार्सेल औस्लोस, स्कूल ऑफ बिजनेस, यूनिवर्सिटी ऑफ लीसेस्टर, लीसेस्टर, यूके और बुखारेस्ट यूनिवर्सिटी ऑफ इकोनॉमिक स्टडीज, बुखारेस्ट, रोमानिया।

लिंक की तालिका

सार और परिचय

सामग्री और तरीके

परिणाम

RQ 1: एआई और साइंटोमेट्रिक्स

प्रश्न 2: एआई और वेबमेट्रिक्स

RQ 3: AI और ग्रंथसूचीमिति

बहस

RQ 4: AI के साथ साइंटोमेट्रिक्स, वेबमेट्रिक्स और बिब्लियोमेट्रिक्स का भविष्य

RQ 5: AI के साथ साइंटोमेट्रिक्स, वेबमेट्रिक्स और बिब्लियोमेट्रिक्स के नैतिक विचार

निष्कर्ष, सीमाएँ और संदर्भ

निष्कर्ष

इस रिपोर्ट में, हम साहित्य में कई उदाहरणों के माध्यम से साइंटोमेट्रिक्स, वेबमेट्रिक्स और बिब्लियोमेट्रिक्स के साथ एआई एल्गोरिदम को एकीकृत करने के महत्व और क्षमता पर जोर देते हैं। इन क्षेत्रों में एआई एल्गोरिदम द्वारा किए गए प्रतिमान बदलाव ने विश्लेषण, भविष्यवाणी और पैटर्न माइनिंग-आधारित सिफारिशों के लिए नई संभावनाओं को उजागर किया है। इस समीक्षा के भीतर, पेपर साइंटोमेट्रिक्स, वेबमेट्रिक्स और बिब्लियोमेट्रिक्स में एआई को एकीकृत करने की प्रमुख संभावनाओं और मूल्य को रेखांकित करने में योगदान देता है, यानी, इस एकीकरण के माध्यम से प्राप्त और बढ़ावा दिए जा सकने वाले तालमेल को इंगित करने के लिए।


संक्षेप में, AI वैज्ञानिक प्रकाशनों, उद्धरण नेटवर्क और सहयोगी संबंधों से अंतर्दृष्टि का विश्लेषण करने और प्राप्त करने के लिए कुशल और सटीक तरीके प्रदान करके साइंटोमेट्रिक्स की मदद करता है। इससे शोधकर्ताओं को वैज्ञानिक ज्ञान, प्रवृत्तियों और प्रभाव की गहरी समझ हासिल करने में मदद मिलेगी, जिससे वैज्ञानिक अनुसंधान में बेहतर निर्णय लेने और प्रगति की सुविधा मिलेगी। इसके अलावा, AI वेब-आधारित वैज्ञानिक डेटा का विश्लेषण करने, लिंक संरचनाओं और सामाजिक इंटरैक्शन को समझने, वेब प्रभाव का आकलन करने और व्यक्तिगत सिफारिशें प्रदान करने के लिए कुशल और स्वचालित तरीके प्रदान करके वेबमेट्रिक्स को बढ़ाता है। यह शोधकर्ताओं को वेब-आधारित वैज्ञानिक पारिस्थितिकी तंत्र में अंतर्दृष्टि प्राप्त करने, सहयोग को सुविधाजनक बनाने और डिजिटल युग में अनुसंधान दृश्यता और प्रभाव में सुधार करने में सक्षम बनाता है। इसके अलावा, AI डेटा संग्रह को स्वचालित करके, सटीक लेखक असंबद्धता प्रदान करके, उद्धरण नेटवर्क का विश्लेषण करके, अनुसंधान प्रभाव का आकलन करके और व्यक्तिगत सिफारिशें प्रदान करके गतिविधियों के ग्रंथ सूची क्षेत्र को बढ़ाता है। यह शोधकर्ताओं को विद्वानों के संचार में अंतर्दृष्टि प्राप्त करने, अनुसंधान प्रदर्शन का आकलन करने और उनके ग्रंथ सूची विश्लेषण में सूचित निर्णय लेने में सक्षम बनाता है। कुल मिलाकर, एआई साइंटोमेट्रिक्स, वेबमेट्रिक्स और बिब्लियोमेट्रिक्स के लिए एक कुशल और स्केलेबल दृष्टिकोण प्रस्तुत करता है, जो शोधकर्ताओं को वैज्ञानिक जानकारी के विशाल और विविध स्रोतों से सार्थक अंतर्दृष्टि निकालने में सक्षम बनाता है।


निष्कर्ष में, साइंटोमेट्रिक्स, वेबमेट्रिक्स और बिब्लियोमेट्रिक्स में आर्टिफिशियल इंटेलिजेंस (एआई) का एकीकरण इन क्षेत्रों में अनुसंधान और समझ को आगे बढ़ाने के लिए महत्वपूर्ण क्षमता रखता है। एआई डेटा संग्रह, विश्लेषण, भविष्यवाणी और मूल्यांकन प्रक्रियाओं को बढ़ा सकता है, शोधकर्ताओं को मूल्यवान अंतर्दृष्टि प्रदान कर सकता है और निर्णय लेने की प्रक्रियाओं में सुधार कर सकता है।


हालाँकि, इन क्षेत्रों में AI का उपयोग महत्वपूर्ण नैतिक विचारों को भी जन्म देता है, जिन्हें सावधानीपूर्वक संबोधित किया जाना चाहिए। डेटा गोपनीयता और सुरक्षा, पूर्वाग्रह और निष्पक्षता, पारदर्शिता और व्याख्या, जवाबदेही और जिम्मेदारी, सूचित सहमति, रोजगार और समाज पर प्रभाव, और निरंतर निगरानी और मूल्यांकन प्रमुख नैतिक विचारों में से हैं जिन्हें ध्यान में रखा जाना चाहिए। AI के जिम्मेदार और नैतिक उपयोग को सुनिश्चित करने के लिए, अंतःविषय सहयोग, हितधारक जुड़ाव और निरंतर मूल्यांकन महत्वपूर्ण हैं। शोधकर्ताओं, नीति निर्माताओं, नैतिकतावादियों और विभिन्न क्षेत्रों के हितधारकों को साइंटोमेट्रिक्स, वेबमेट्रिक्स और बिब्लियोमेट्रिक्स में नैतिक AI उपयोग को बढ़ावा देने वाले दिशानिर्देश, रूपरेखा और सर्वोत्तम अभ्यास विकसित करने के लिए मिलकर काम करना चाहिए। इन नैतिक विचारों को संबोधित करके, हम ज्ञान को आगे बढ़ाने, शोध प्रथाओं को बेहतर बनाने और इन तकनीकों के उपयोग में निष्पक्षता, पारदर्शिता और जवाबदेही सुनिश्चित करते हुए समाज की बेहतरी में योगदान देने के लिए AI की पूरी क्षमता का उपयोग कर सकते हैं।

सीमाएँ

इस विशेष अध्ययन में, हमने अपनी खोज और समीक्षा प्रक्रिया में ग्रे साहित्य को शामिल नहीं किया, न ही हमने Google Scholar में मैन्युअल रूप से खोज की। इसके बजाय, हमारा इरादा विश्वसनीय डेटाबेस में खोज करने पर ध्यान केंद्रित करना था। जबकि Google Scholar को अक्सर डेटाबेस के रूप में संदर्भित किया जाता है, यह वास्तव में एक खोज इंजन है जिसमें उच्च-गुणवत्ता वाले लेख शामिल नहीं हो सकते हैं और केवल विश्वसनीय अध्ययनों को ही प्राप्त कर सकते हैं। Google Scholar में खोज न करके, हमारा उद्देश्य ओवरलैपिंग अध्ययनों की संख्या को कम करना था।


हालांकि, यह ध्यान रखना महत्वपूर्ण है कि इस अत्यधिक तकनीकी दृष्टिकोण के परिणामस्वरूप कुछ लेखों को अनदेखा किया जा सकता है, जो दुर्भाग्य से हमारे अध्ययन को प्रासंगिक जानकारी को बाहर करने की ओर ले जा सकता है। हम मानते हैं कि इस पेपर को लिखने और प्रस्तुत करने के समय तक, हम बहुत सी चूक से बचते हैं। फिर भी, भविष्य के अध्ययनों के लिए, पाठकों को एक व्यापक दृष्टिकोण प्रदान करने के लिए ग्रे साहित्य को शामिल करते हुए एक व्यापक समीक्षा करना फायदेमंद हो सकता है।

संदर्भ

  1. डार्को ए, चैन एपी, एडब्रे एमए, एडवर्ड्स डीजे, होसैनी एमआर, अमेयाव ईई। एईसी उद्योग में कृत्रिम बुद्धिमत्ता: अनुसंधान गतिविधियों का साइंटोमेट्रिक विश्लेषण और विज़ुअलाइज़ेशन। निर्माण में स्वचालन। 2020;112:103081।


  2. पार्क एस, पार्क एचडब्ल्यू। संकट के दौरान इलेक्ट्रॉनिक वर्ड ऑफ़ माउथ (ईडब्लूओएम) विशेषताओं और उपभोक्ता टिप्पणियों के लिए मशीन लर्निंग दृष्टिकोण का एक वेबमेट्रिक नेटवर्क विश्लेषण। प्रोफेशनल डे ला इंफॉर्मेशन। 2020;29(5)।


  3. वैन रान ए. साइंटोमेट्रिक्स: अत्याधुनिक। साइंटोमेट्रिक्स। 1997;38(1):205-18।


  4. भारवी डी, गर्ग के, बाली ए. अंतर्राष्ट्रीय जर्नल साइंटोमेट्रिक्स के साइंटोमेट्रिक्स। साइंटोमेट्रिक्स। 2003;56(1):81-93.


  5. थेलवाल एम, वॉन एल, ब्योर्नबोर्न एल. वेबमेट्रिक्स. सूचना विज्ञान और प्रौद्योगिकी की वार्षिक समीक्षा. 2005;39(1):81-135.


  6. ब्योर्नबोर्न एल, इंगवर्सन पी. वेबमेट्रिक्स का परिप्रेक्ष्य। साइंटोमेट्रिक्स. 2001;50:65-82.


  7. मैकबर्नी एम.के., नोवाक पी.एल., संपादक। बिब्लियोमेट्रिक्स क्या है और आपको इसकी परवाह क्यों करनी चाहिए? IEEE अंतर्राष्ट्रीय व्यावसायिक संचार सम्मेलन की कार्यवाही; 2002: IEEE.

  8. कूपर आई.डी. बिब्लियोमेट्रिक्स बेसिक्स. जर्नल ऑफ द मेडिकल लाइब्रेरी एसोसिएशन: जे.एम.एल.ए. 2015;103(4):217.


  9. जू वाई, लियू एक्स, काओ एक्स, हुआंग सी, लियू ई, कियान एस, एट अल. आर्टिफिशियल इंटेलिजेंस: वैज्ञानिक अनुसंधान के लिए एक शक्तिशाली प्रतिमान। इनोवेशन। 2021;2(4)।


  10. मेलनिकोवा ई. आधुनिक साइंटोमेट्रिक्स में वैज्ञानिक अनुसंधान के तरीकों और साधनों के समूह में बिग डेटा तकनीक। वैज्ञानिक और तकनीकी सूचना प्रसंस्करण। 2022;49(2):102-7.


  11. टेपेह एटीजी, नासर एम. स्ट्रक्चरल इंजीनियरिंग में आर्टिफिशियल इंटेलिजेंस, मशीन लर्निंग और डीप लर्निंग: रुझानों और सर्वोत्तम प्रथाओं की साइंटोमेट्रिक्स समीक्षा। इंजीनियरिंग में कम्प्यूटेशनल विधियों के अभिलेखागार। 2023;30(1):115-59।


  12. सैडनिया एच. डिजिटल/स्मार्ट रेफरेंस रोबोट के रूप में चैटजीपीटी का उपयोग: चैटजीपीटी डिजिटल रेफरेंस सेवाओं को कैसे प्रभावित कर सकता है? सूचना मायने रखती है। 2023;2(5)।


  13. सैदनिया एच. ओपन एआई, चैटजीपीटी: होना या न होना, यही सवाल है। सूचना मायने रखती है। 2023;3(6)।


  14. युआन एस, शाओ जेड, वेई एक्स, तांग जे, हॉल डब्ल्यू, वांग वाई, एट अल. एआई के पीछे का विज्ञान: प्रवृत्ति, गतिशीलता और सहयोग का विकास। साइंटोमेट्रिक्स। 2020;124:993-1013।


  15. चौधरी एन, गुप्ता जी, वामसी वी, बोस आई. प्लेटफ़ॉर्म पर लेकिन क्या वे खरीदेंगे? डीप लर्निंग का उपयोग करके ग्राहकों के खरीद व्यवहार की भविष्यवाणी करना। निर्णय समर्थन प्रणाली। 2021;149:113622.


  16. जी. मार्टिन ए, फर्नांडीज-इसाबेल ए, मार्टिन डी डिएगो आई, बेल्ट्रान एम. मशीन लर्निंग तकनीकों पर आधारित उपयोगकर्ता व्यवहार विश्लेषण के लिए एक सर्वेक्षण: वर्तमान मॉडल और अनुप्रयोग। एप्लाइड इंटेलिजेंस। 2021;51(8):6029-55।


  17. सैदनिया एच.आर. नैतिक कृत्रिम बुद्धिमत्ता (ए.आई.): पुस्तकालय और सूचना उद्योग में पूर्वाग्रह और भेदभाव का सामना करना। लाइब्रेरी हाई टेक न्यूज़। 2023; प्रिंट से आगे (प्रिंट से आगे)। doi: 10.1108/LHTN-10-2023-0182.


  18. हैन डी, जुरोवेट्ज़की आर, ली एस, झोउ वाई. विज्ञान, प्रौद्योगिकी, नवाचार मानचित्रण और पूर्वानुमान के लिए मशीन लर्निंग और कृत्रिम बुद्धिमत्ता: समीक्षा, संश्लेषण और अनुप्रयोग। साइंटोमेट्रिक्स। 2023;128(3):1465-72।


  19. ट्रिको ए.सी., लिली ई., ज़रीन डब्ल्यू., ओ'ब्रायन के.के., कोलक्हौन एच., लेवाक डी., एट अल. स्कोपिंग रिव्यूज़ के लिए प्रिज्मा एक्सटेंशन (प्रिज्मा-एससीआर): चेकलिस्ट और स्पष्टीकरण। एनल्स ऑफ़ इंटरनल मेडिसिन। 2018;169(7):467-

  20. ईपब 2018/09/05. doi: 10.7326/m18-0850. PubMed पीएमआईडी: 30178033.


  21. होल्ज़मैन जी.जे., पेलेड डी.ए., यानाकाकिस एम. नेस्टेड डेप्थ फर्स्ट सर्च पर। स्पिन वेरिफिकेशन सिस्टम। 1996;32:81-9.


  22. डोंथु एन, कुमार एस, मुखर्जी डी, पांडे एन, लिम डब्ल्यूएम. ग्रंथसूची विश्लेषण कैसे करें: एक अवलोकन और दिशानिर्देश. जर्नल ऑफ बिजनेस रिसर्च. 2021;133:285-96.


  23. कैपुटो ए, कार्गिना एम. बिब्लियोमेट्रिक विश्लेषण के दौरान स्कोपस और वेब ऑफ साइंस डेटा को मर्ज करने की एक उपयोगकर्ता-अनुकूल विधि। जर्नल ऑफ मार्केटिंग एनालिटिक्स। 2022;10(1):82-8।


  24. चेन एक्स, चेन जे, चेंग जी, गोंग टी. कृत्रिम बुद्धिमत्ता से सहायता प्राप्त मानव मस्तिष्क अनुसंधान में विषय और रुझान। पीएलओएस वन। 2020;15(4):e0231192.


  25. अब्रिशामी ए, अलीअकबरी एस. डीप न्यूरल नेटवर्क लर्निंग तकनीकों के आधार पर उद्धरण गणना की भविष्यवाणी करना। जर्नल ऑफ इंफॉर्मेट्रिक्स। 2019;13(2):485-99।


  26. कोरिया एफ, कोरिया एफ. एआई नॉलेज मैप: एआई प्रौद्योगिकियों को कैसे वर्गीकृत करें। डेटा का परिचय: एआई, बिग डेटा और डेटा विज्ञान के बारे में आपको जो कुछ भी जानना चाहिए। 2019:25-9.


  27. जेबरी सी, हेरेरा-विदेमा ई, कोबो एमजे. शोध विषयों के विकास का पता लगाने के लिए उद्धरण संदर्भ का उपयोग: एक बड़े पैमाने पर विश्लेषण। साइंटोमेट्रिक्स। 2021;126(4):2971-89।


  28. मा ए, लियू वाई, जू एक्स, डोंग टी. पेपर मेटाडेटा सिमेंटिक विशेषताओं के साथ एक गहन-शिक्षण आधारित उद्धरण गणना भविष्यवाणी मॉडल। साइंटोमेट्रिक्स। 2021;126(8):6803-23.


  29. मघसौदी एम, शोकोहयार एस, अताएई ए, अहमदी एस, शोकोहयार एस. संधारणीय आपूर्ति श्रृंखलाओं में एआई अनुप्रयोगों का सह-लेखन नेटवर्क विश्लेषण: प्रमुख खिलाड़ी और विषय। जर्नल ऑफ क्लीनर प्रोडक्शन। 2023;422:138472।


  30. पेड्रो एफ, सुबोसा एम, रिवास ए, वाल्वरडे पी. शिक्षा में कृत्रिम बुद्धिमत्ता: सतत विकास के लिए चुनौतियाँ और अवसर। 2019.


  31. उल्लाह एम, शाहिद ए, रोमन एम, असम एम, फैयाज एम, घाडी वाई, एट अल. सह-लेखक नेटवर्क का उपयोग करके अंतःविषय अनुसंधान का विश्लेषण करना। जटिलता। 2022;2022.


  32. झाओ क्यू, फेंग एक्स. पेपर उद्धरण गणना की भविष्यवाणी करने के लिए उद्धरण नेटवर्क संरचना का उपयोग करना: एक गहन शिक्षण दृष्टिकोण। जर्नल ऑफ इंफॉर्मेट्रिक्स। 2022;16(1):101235।


  33. सैदनिया एचआर, कोज़ाक एम, लुंड बी, मन्नुरू एनआर, केशावरज़ एच, एलांगो बी, एट अल. अकादमिक लाइब्रेरी सेवाओं के लिए मोबाइल एप्लिकेशन का डिज़ाइन, विकास, कार्यान्वयन और मूल्यांकन: एक विकासशील देश में एक अध्ययन। सूचना प्रौद्योगिकी और पुस्तकालय। 2023;42(3)।


  34. सोलेमानी एच, सईदनिया एचआर, औस्लोस एम, हसनज़ादेह एम. कृत्रिम बुद्धिमत्ता (एआई) के युग में सूचना का चयनात्मक प्रसार (एसडीआई)। लाइब्रेरी हाई टेक न्यूज़। 2023; प्रिंट से आगे (प्रिंट से आगे)। doi: 10.1108/LHTN-08-2023-0156।


  35. फ़ाज़ेली-वरज़ानेह एम, घोरबी ए, ऑस्लोस एम, सैलिंगर ई, वाहदती एस. कोरोनावायरस शोध की स्लीपिंग ब्यूटीज़। आईईईई एक्सेस। 2021;9:21192-205।


  36. सेप्चरेनु एस, सेर्केटी आर, एलेक्ज़ैंड्रू ए, पोपेस्कु डी, धेसी जी, सेप्चरेनु ई. प्रौद्योगिकी हस्तांतरण, प्रदर्शन और आपूर्ति श्रृंखला एकीकरण, लचीलापन और जवाबदेही पर ब्लॉकचेन अपनाने का प्रभाव। आईटी और सी मध्यम आकार के उद्यमों से एक केस स्टडी। सूचना विज्ञान और नियंत्रण में अध्ययन। 2021;30(3):61-74।


  37. अमजद एस, यूनस एम, अनवर एम, शाहीन क्यू, शिराज एम, गनी ए. हाई स्कूल के छात्रों के शैक्षणिक प्रदर्शन पर सोशल मीडिया के प्रभाव का विश्लेषण करने के लिए डेटा माइनिंग तकनीक। वायरलेस संचार और मोबाइल कंप्यूटिंग। 2022;2022:1-11.


  38. बार्कले आई, टेलर एच, प्रीस ए, टेलर आई, वर्मा डी, डी मेल जी. योगदान की दृश्यता बढ़ाकर साझा कृत्रिम बुद्धिमत्ता मॉडल में पारदर्शिता को बढ़ावा देने के लिए एक रूपरेखा। समवर्ती और संगणना: अभ्यास और अनुभव। 2021;33(19):e6129.


  39. ग्रोवर पी, कर ए.के., द्विवेदी वाई.के. संचालन प्रबंधन में कृत्रिम बुद्धिमत्ता अपनाने को समझना: अकादमिक साहित्य और सोशल मीडिया चर्चाओं की समीक्षा से अंतर्दृष्टि। ऑपरेशन रिसर्च के इतिहास। 2022;308(1-2):177-213।


  40. खदर एम.ए. वेब स्क्रैपिंग या वेब क्रॉलिंग: स्टेट ऑफ़ आर्ट, तकनीक, दृष्टिकोण और अनुप्रयोग। सॉफ्ट कंप्यूटिंग और इसके अनुप्रयोगों में प्रगति का अंतर्राष्ट्रीय जर्नल। 2021;13(3)।


  41. मौलूद डीएच, ज़ीबरी एसआर, जैक्सी के, सादिक एमएएम, शरीफ केएच। प्राकृतिक भाषा प्रसंस्करण के अर्थ विश्लेषण के लिए कला की स्थिति। कुबाहान अकादमिक जर्नल। 2021;1(2):21-8।


  42. सेराफ़िनी एफ, रीड एसएफ. मल्टीमॉडल कंटेंट एनालिसिस: कंटेंट एनालिसिस के लिए विश्लेषणात्मक दृष्टिकोण का विस्तार। विज़ुअल कम्युनिकेशन। 2019:1470357219864133।


  43. सेरानो डब्ल्यू. बिग डेटा और वेब सर्च में न्यूरल नेटवर्क। डेटा। 2018;4(1):7.


  44. वांग डब्ल्यू, यू एल. यूक्रॉलर: यूआरएल नॉलेज बेस का उपयोग करके सीखने पर आधारित वेब क्रॉलर। जर्नल ऑफ कम्प्यूटेशनल मेथड्स इन साइंसेज एंड इंजीनियरिंग। 2021;21(2):461-74।


  45. वू एल, डोडू एनए, वेन टीजे, के एल. प्राकृतिक भाषा प्रसंस्करण पर आधारित विज्ञापन में कृत्रिम बुद्धिमत्ता के बारे में ट्विटर वार्तालापों को समझना। इंटरनेशनल जर्नल ऑफ़ एडवरटाइजिंग। 2022;41(4):685-702।


  46. झांग क्यू, लू जे, जिन वाई. अनुशंसा प्रणाली में कृत्रिम बुद्धिमत्ता। जटिल और बुद्धिमान प्रणाली। 2021;7(1):439-57. doi: 10.1007/s40747-020-00212-w.


  47. जू वाई, लियू एक्स, काओ एक्स, हुआंग सी, लियू ई, कियान एस, एट अल. आर्टिफिशियल इंटेलिजेंस: वैज्ञानिक अनुसंधान के लिए एक शक्तिशाली प्रतिमान। नवाचार। 2021;2(4):100179. doi: https://doi.org/10.1016/j.xinn.2021.100179 .


  48. अब्रामो जी, डी'एंजेलो सी.ए. अनुसंधान संगठन प्रदर्शन के आकलन में अप्रशिक्षित लेखक विसंबद्धता एल्गोरिदम कितने विश्वसनीय हैं? मात्रात्मक विज्ञान अध्ययन। 2023:1-26।


  49. अल-जमीमी एचए, बिनमखशेन जीएम, बोर्नमैन एल. उभरते बाजार अर्थव्यवस्थाओं में अनुसंधान मूल्यांकन के लिए ग्रंथ सूची का उपयोग: ग्रंथ सूची संकेतकों की समीक्षा और चर्चा। साइंटोमेट्रिक्स। 2022;127(10):5879-930।


  50. कॉक्स ए.एम., मजूमदार एस. लाइब्रेरियन के लिए कृत्रिम बुद्धिमत्ता को परिभाषित करना। जर्नल ऑफ लाइब्रेरियनशिप एंड इंफॉर्मेशन साइंस.0(0):09610006221142029. doi: 10.1177/09610006221142029.


  51. आइंस्टीन जे. प्राकृतिक भाषा प्रसंस्करण का परिचय: एमआईटी प्रेस; 2019.


  52. कांग वाई, कै जेड, टैन सीडब्ल्यू, हुआंग क्यू, लियू एच. प्रबंधन अनुसंधान में प्राकृतिक भाषा प्रसंस्करण (एनएलपी): एक साहित्य समीक्षा। जर्नल ऑफ मैनेजमेंट एनालिटिक्स। 2020;7(2):139-72।


  53. लोन एफए, नसरीन एन, बशीर बी. क्या लेखक निष्पक्ष खेलते हैं या गूगल स्कॉलर एच-इंडेक्स में हेरफेर करते हैं? लाइब्रेरी हाई टेक. 2022;40(3):676-84.


  54. रेह्स ए. वेब ऑफ साइंस में लेखक की अस्पष्टता के लिए एक पर्यवेक्षित मशीन लर्निंग दृष्टिकोण। जर्नल ऑफ इंफॉर्मेट्रिक्स। 2021;15(3):101166।


  55. मोहम्मदज़ादेह जेड, ऑस्लोस एम, सईदनिया एचआर। चैटजीपीटी: हाई-टेक साहित्यिक चोरी अकादमिक प्रकाशन को हरी झंडी मिलने का इंतज़ार कर रही है। नॉन-फ़ंजिबल टोकन (एनएफटी) एक रास्ता हो सकता है। लाइब्रेरी हाई टेक न्यूज़। 2023।


  56. सैडनिया एचआर, लुंड बीडी. नॉन-फंजिबल टोकन (एनएफटी): वैज्ञानिक प्रकाशन में साहित्यिक चोरी को रोकने का एक सुरक्षित और प्रभावी तरीका। लाइब्रेरी हाई टेक न्यूज़। 2023;40(2):18-9.


  57. म्रोविंस्की एमजे, फ्रोंज़ाक पी, फ्रोंज़ाक ए, ऑस्लोस एम, नेडिक ओ. सहकर्मी समीक्षा में कृत्रिम बुद्धिमत्ता: विकासवादी संगणना जर्नल संपादकों का समर्थन कैसे कर सकती है? प्लोस वन। 2017;12(9):e0184711.


  58. पिवा एफ, टार्टारी एफ, गिउलिएटी एम, ऐएलो एमएम, चेंग एल, लोपेज़-बेल्ट्रान ए, एट अल. आर्टिफिशियल न्यूरल नेटवर्क द्वारा संयुक्त राज्य अमेरिका में भविष्य के कैंसर के बोझ की भविष्यवाणी करना। फ्यूचर ऑन्कोलॉजी। 2020;17(2):159-68।


  59. ब्रेवर आर, वेस्टलेक बी, हार्ट टी, अरौजा ओ. साइबर अपराध अनुसंधान में वेब क्रॉलिंग और वेब स्क्रैपिंग की नैतिकता: सहमति, गोपनीयता और स्वचालित डेटा संग्रह से जुड़े अन्य संभावित नुकसानों के मुद्दों को हल करना। इन: लैवोर्गना ए, होल्ट टीजे, संपादक। साइबर अपराधों पर शोध: कार्यप्रणाली, नैतिकता और महत्वपूर्ण दृष्टिकोण। चैम: स्प्रिंगर इंटरनेशनल पब्लिशिंग; 2021. पृष्ठ 435-56।


  60. अलादी एएचएम, रोआ एम, एएलआरिकाबी एच, अलजाजेरी आईए, अब्बूद एसएच. डेटा माइनिंग तकनीकों का उपयोग करके डार्क वेब अवैध गतिविधियों को क्रॉल करना और वर्गीकृत करना। iJIM. 2022;16(10):123.


  61. थॉमस डी.एम., माथुर एस., संपादक. पायथन का उपयोग करके वेब स्क्रैपिंग द्वारा डेटा विश्लेषण. 2019 इलेक्ट्रॉनिक्स, संचार और एयरोस्पेस प्रौद्योगिकी पर तीसरा अंतर्राष्ट्रीय सम्मेलन (ICECA); 2019: IEEE.


  62. कोरकमाज़ एम, साहिंगोज़ ओ.के., डिरी बी, संपादक। मशीन लर्निंग-आधारित URL विश्लेषण का उपयोग करके फ़िशिंग वेबसाइटों का पता लगाना। 2020 11वां अंतर्राष्ट्रीय कंप्यूटिंग, संचार और नेटवर्किंग प्रौद्योगिकी सम्मेलन (ICCCNT); 2020: IEEE।


  63. युआन एच, चेन एक्स, ली वाई, यांग जेड, लियू डब्ल्यू, संपादक। यूआरएल और वेबपेज लिंक के आधार पर फ़िशिंग वेबसाइट और लक्ष्यों का पता लगाना। 2018 24वां इंटरनेशनल कॉन्फ्रेंस ऑन पैटर्न रिकॉग्निशन (आईसीपीआर); 2018: आईईईई।


  64. दत्ता ए.के. मशीन लर्निंग तकनीक का उपयोग करके फ़िशिंग वेबसाइटों का पता लगाना। प्लोस वन। 2021;16(10):e0258361.


  65. जलील एस, उस्मान एम, फोंग ए. मशीन लर्निंग पर आधारित अत्यधिक सटीक फ़िशिंग URL पहचान। जर्नल ऑफ़ एम्बिएंट इंटेलिजेंस एंड ह्यूमनाइज़्ड कंप्यूटिंग। 2023;14(7):9233-51.


  66. कीसल जे, मेयर एल, क्नीस्ट एफ, स्टीन बी, पोथैस्ट एम, संपादक। वेब पेज सेगमेंटेशन एल्गोरिदम की एक अनुभवजन्य तुलना। सूचना पुनर्प्राप्ति पर यूरोपीय सम्मेलन; 2021: स्प्रिंगर।


  67. बालाजी टी, अन्नावरपु सीएसआर, बबलानी ए. सोशल मीडिया विश्लेषण के लिए मशीन लर्निंग एल्गोरिदम: एक सर्वेक्षण। कंप्यूटर साइंस रिव्यू। 2021;40:100395।


  68. रिएट्ज़ टी. गुणात्मक डेटा संग्रह और विश्लेषण के लिए एआई-आधारित सिस्टम डिजाइन करना। 2021.


  69. निकोलसन जेएम, मोर्डंट एम, लोपेज़ पी, उप्पाला ए, रोसाती डी, रोड्रिग्स एनपी, एट अल। साइट: एक स्मार्ट साइटेशन इंडेक्स जो उद्धरणों के संदर्भ को प्रदर्शित करता है और डीप लर्निंग का उपयोग करके उनके इरादे को वर्गीकृत करता है। क्वांटिटेटिव साइंस स्टडीज। 2021;2(3):882-98।


  70. मिहालजेविक एच, सांतामारिया एल. पर्यवेक्षित शिक्षण और ग्राफ सिद्धांत विधियों का उपयोग करके एडीएस में लेखक संस्थाओं की अस्पष्टता। साइंटोमेट्रिक्स। 2021;126(5):3893-917. doi: 10.1007/s11192-021-03951-w.


  71. टेक्लेस ए, बोर्नमैन एल. बिब्लियोमेट्रिक डेटा का लेखक नाम अस्पष्टीकरण: कई अप्रशिक्षित दृष्टिकोणों की तुलना1. क्वांटिटेटिव साइंस स्टडीज. 2020;1(4):1510-28. doi: 10.1162/qss_a_00081.


  72. ग्रोडज़िंस्की एन, ग्रोडज़िंस्की बी, डेविस बीएम। क्या सह-लेखक नेटवर्क का उपयोग लेखक के शोध प्रभाव की भविष्यवाणी करने के लिए किया जा सकता है? डिजनरेटिव सर्वाइकल मायलोपैथी अनुसंधान के क्षेत्र में एक मशीन-लर्निंग आधारित विश्लेषण। प्लोस वन। 2021;16(9):e0256997।


  73. फोंसेका बीडी पी, सैमपायो आरबी, फोंसेका एमवी, ज़िकर एफ. स्वास्थ्य अनुसंधान में सह-लेखक नेटवर्क विश्लेषण: विधि और संभावित उपयोग। स्वास्थ्य अनुसंधान नीति और प्रणालियाँ। 2016;14(1):34. ईपब 2016/05/04. doi: 10.1186/s12961-016-0104-5. PubMed PMID: 27138279; PubMed Central PMCID: PMCPMC4852432.


  74. हैनकॉक जे.टी., नामान एम., लेवी के. एआई-मध्यस्थ संचार: परिभाषा, शोध एजेंडा और नैतिक विचार। जर्नल ऑफ कंप्यूटर-मध्यस्थ संचार। 2020;25(1):89-100।


  75. सफ़दर एनएम, बंजा जेडी, मेल्टज़र सीसी. कृत्रिम बुद्धिमत्ता में नैतिक विचार. यूरोपीय जर्नल ऑफ़ रेडियोलॉजी. 2020;122:108768.


  76. प्रतोमो ए.बी., मोकोडेन्सेहो एस., अज़ीज़ ए.एम. बेहतर सूचना प्रणाली सुरक्षा और गोपनीयता के लिए डेटा एन्क्रिप्शन और अनामीकरण तकनीकें। वेस्ट साइंस सूचना प्रणाली और प्रौद्योगिकी। 2023;1(01):1-9.


  77. फेरर एक्स, वैन नुएनन टी, सच जेएम, कोटे एम, क्रिएडो एन। एआई में पूर्वाग्रह और भेदभाव: एक क्रॉसडिसिप्लिनरी परिप्रेक्ष्य। आईईईई टेक्नोलॉजी एंड सोसाइटी मैगज़ीन। 2021;40(2):72-80।


  78. फेरारा ई. आर्टिफिशियल इंटेलिजेंस में निष्पक्षता और पूर्वाग्रह: स्रोतों, प्रभावों और शमन रणनीतियों का एक संक्षिप्त सर्वेक्षण। arXiv प्रीप्रिंट arXiv:230407683. 2023.


  79. गिचोया जे.डब्लू., थॉमस के., सेली एल.ए., सफ़दर एन., बनर्जी आई., बंजा जे.डी., एट अल. ए.आई. के नुकसान और क्या नहीं करना चाहिए: ए.आई. में पूर्वाग्रह को कम करना। ब्रिटिश जर्नल ऑफ़ रेडियोलॉजी। 2023:20230023।


  80. वॉन एशेनबैक डब्ल्यूजे. पारदर्शिता और ब्लैक बॉक्स समस्या: हम एआई पर भरोसा क्यों नहीं करते. दर्शन और प्रौद्योगिकी. 2021;34(4):1607-22.


  81. यज़दानपनाह वी, गेर्डिंग ईएच, स्टीन एस, दास्तानी एम, जोन्कर सीएम, नॉर्मन टीजे, एट अल. स्वायत्त प्रणालियों में जिम्मेदारी के बारे में तर्क: चुनौतियाँ और अवसर. एआई और सोसाइटी. 2023;38(4):1453-64.



L O A D I N G
. . . comments & more!

About Author

Decentralize AI, or Else  HackerNoon profile picture
Decentralize AI, or Else @decentralizeai
"Not going to beat centralized AI with more centralized AI" ExStability CEO Emad Mostaque on whats next? Decentralize AI

लेबल

इस लेख में चित्रित किया गया था...

Read on Terminal Reader
Read this story in a terminal
 Terminal
Read this story w/o Javascript
Read this story w/o Javascript
 Lite
X REMOVE AD