الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.
قیمت
قیمت این مقاله: 58000 تومان
(ایران ترجمه - Irantarjomeh)
توضیح
بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.
تحلیل ویژوال خط سیر داده های بزرگ سری زمانی مالی
شماره
۱۹۲
کد مقاله
MNG192
مترجم
گروه مترجمین ایران ترجمه – irantarjomeh
نام فارسی
تحلیل ویژوال خط سیر- مبنای داده های بزرگ سری زمانی مالی
نام انگلیسی
Trajectory-Based Visual Analysis of Large Financial Time Series Data
تعداد صفحه به فارسی
۴۴
تعداد صفحه به انگلیسی
۸
کلمات کلیدی به فارسی
علم تجزیه و تحلیل ویژوال, خوشه بندی و ویژوال سازی / بصری سازی خط سیر, نقشه های خود سازماندهی شده, داده های مالی
کلمات کلیدی به انگلیسی
Visual Analytics, Trajectory Clustering and
Visualization, Self-Organizing Maps, Financial Data
مرجع به فارسی
دانشگاه فناوری دارمشتات، آلمان
مرجع به انگلیسی
Fraunhofer IGD and Technische
Universit¨at Darmstadt
کشور
آلمان
تحلیل ویژوال خط سیر داده های بزرگ سری زمانی مالی
تحلیل ویژوال خط سیر- مبنای داده های بزرگ سری زمانی مالی
چکیده
تحلیلگران ویژوال سعی در ترکیب تحلیل داده های اتوماتیک با استفاده از فرایند بصری سازی یا ارائه داده ها بصورت ویژوال برحسب تعاملات انسان – کامپیوتر جهت حل مشکلات تحلیلی در آن دسته از سیستم های کاربردی نموده اند که در آن ها مقادیر زیادی از داده های پیچیده وجود دارند. حوزه تحلیل داده های مالی به عنوان یک رشته قابل توجه تحقیقاتی و فناوری تحلیل ویژوال می باشد، چرا که این حوزه دربردارنده فرآیندهای تحلیلی اطلاعات در حجم های انبوه در ارتباط با حل وظایف تحلیلی پیچیده می باشد.
بر این مبنا ما نسبت به ارائه یک سیستم تحلیلی ویژوال برای پشتیبانی از فرایند تحلیل مقادیر زیادی از داده های شاخص متغیر بر حسب زمان مالی اقدام می نمائیم. بر این اساس، یک سیستم بر حسب ایده گسترش تحلیل نمودار فنی استاندارد از فضای شاخص یک بعدی به فضای شاخص دو بعدی ارائه شده است. این سیستم متکی بر الگوریتم خوشه بندی بدون نظارت، در ترکیب با تکنیک مناسب بصری سازی / ویژال نمودن داده های حرکتی می باشد. چندین ویژگی تحلیلی در ارتباط با بازارهای کامل مرتبط و همچنین دارایی های خاص کاربران به منظور بررسی و تحلیل عملیات ارائه شده اند. این سیستم شامل پالایش اتوماتیک فضای بصری سازی بالقوه بزرگ می باشد که قابلیت پیش انتخاب نمایش داده های کاندید بالقوه مهم برای ارائه به کاربران را خواهد داشت. این سیستم برای مجموعه بزرگی از اطلاعات بازار سهام دو بعدی متغیر بر حسب زمان به کار گرفته شده است، و معرف کارایی آن برای تحلیل ویژوال داده های مالی می باشد. ما انتظار داریم که تکنیک های پیشنهادی برای کاربرد در دیگر رویه ها و نواحی کاربردی نیز مفید باشند.
کلمات کلیدی:علم تجزیه و تحلیل ویژوال، خوشه بندی و ویژوال سازی / بصری سازی خط سیر، نقشه های خود سازماندهی شده، داده های مالی
تحلیل ویژوال خط سیر داده های بزرگ سری زمانی مالی
۱- مقدمه
علم تحلیل ویژوال یا ویژگی های بصری به عنوان یک رشته تحقیقاتی نوظهور ارائه گردیده است که هدف از آن استخراج اطلاعات مفید و تحصیل دانش ضروری از حجم بزرگی از داده ها می باشد. اکتشاف حجم بزرگی از داده ها جهت یافتن اطلاعات بالقوه مفید به عنوان یک وظیفه چالش برانگیز به شمار می آید. در عین آنکه چندین رشته تحقیقاتی سعی در حاصل آوردن اهداف مشابه نموده اند، ایده اصلی و محرک علم تحلیل ویژوال ترکیب روش های اتوماتیک و هوشمندانه تحلیل داده ها با تسهیلات کاملا کارآمد و تعاملی فرایند بصری سازی / ارائه بصورت ویژوال می باشد. در مدل تحلیل ویژوال، فرایند تحلیل داده های اتوماتیک جهت پالایش، فیلتر، سورت، انباشته سازی، و تجریدی سازی داده های خام به کار گرفته شده است. بر این مبنا کاربران قابلیت تعامل با نتایج سطح میانی پیش پردازشی را خواهند داشت که برای استفاده از آن به سیستم های بررسی خاص اطلاعات جهت تصدیق یا رد فرضیه ها به هنگام پدیدار شدن آن ها نیاز خواهد بود. طراحی سیستم های تحلیلی ویژوال کارامد برای یک حوزه کاربردی خاص نه تنها نیازمند درک مناسبی از حوزه و مشکلات مطرح شده آن می باشد، بلکه لزوم انتخاب، تطبیق و توسعه تکنیک های مناسب تحلیلی، ویژوال و تعاملی بعنوان یک ضرورت بشمار می آید. یک حوزه کاربردی قابل توجه برای علم تحلیل اطلاعات بصورت ویژوال، تحلیل داده های مالی می باشد. این فرایند در بردارنده طیف گسترده ای از داده های وابسته به زمان و چند متغیره است، که می بایست به طور کارامد به وسیله تحلیل گران مالی مورد پردازش قرار گرفته شوند. وظایف تحلیلی در ارتباط با امور مالی به ندرت به صورت قابل توجه و مناسبی تعریف گردیده است. در مقابل، ایجاد فرضیه و تصدیق آن به عنوان یکی از مولفه های فرایند تحلیلی به شمار می آید.
برخی از اساسی ترین وظایف تحلیلی در ارتباط با حوزه تحلیل داده های مالی شامل شناسایی خط مشی های بازاری و پیش بینی قیمت های مربوط به دارایی می باشد. در عین آن که ابزارهای تحلیلی بسیاری در عمل به کار گرفته شده است، تحلیل نمودار فنی را می توان به عنوان گسترده ترین ابزار کاربردی در این حیطه بر شمرد. تحلیل نمودار فنی متکی به تحلیل گرافیکی نمودارهایی می باشد که ارائه دهنده شاخص های واحدی در برابر زمان هستند (بنابراین ما آن را تحت عنوان تحلیل نمودار فنی یک بعدی می خوانیم). با این وجود، غالباً، رفتار جفتی دو متغیر در خلال زمان نیز از جمله موارد مهم تلقی می شود. پشتیبانی ویژوال یا بصری این نوع از فرایندهای تحلیلی نمودار فنی به عنوان یک مولف کاملاً مطلوب به شمار می آید، اما تاکنون به عنوان یک مسئله حل نشده بزرگ باقی مانده است.
در این مقاله، ما نسبت به مخاطب قرار دادن این کمبود از طریق ارائه یک چارچوب جدید برای تحلیل ویژوال داده های وابسته به زمان در فضای شاخص مالی دو بعدی اقدام می نمائیم. ترسیم داده های شاخص مالی وابسته به زمان دو بعدی سبب ارائه خطوط سیر دو بعدی می شود. در این رویکرد، این نوع از خطوط سیر به عنوان ورودی برای یک فرایند پیش پردازش خوشه بندی اتوماتیک به شمار می آیند که قابلیت مشخص سازی الگوهای ملموس در ارتباط با داده ها را خواهند داشت. ما تعدادی از راهکارهای بصری سازی یا ویژوال سازی کارامد برای داده های خط سیر خوشه بندی شده را ارائه نموده و برای تحلیل ویژوال مجموعه های داده های مالی وابسته به زمان دو بعدی اقدام به ایجاد یک سیستم خاص نموده ایم. این سیستم اجازه بررسی تعاملی و تحلیل ویژوال داده ها را می دهد. چنین سیستمی همچنین شامل قابلیت های تحلیلی اتوماتیک اصلی می باشد که به کاربران کمک می نماید تا قابلیت مشخص سازی سریع نماها یا شاخص های ویژوال مورد نظر خود را حاصل آورده و از این طریق اقدام به تنگ تر نمودن فضای بزرگ جستجو نمایند، که در غیر این صورت حاصل آوردن اطلاعات قبلی در ارتباط با داده های ویژوال غیر ممکن تلقی می گردد. ما عقیده داریم که یافته های اصلی این تحقیق قابلیت کاربرد برای حوزه های دیگر با تکیه بر تحلیل ویژوال خط سیر مبنا را خواهد داشت.
ادامه این مقاله به شرح ذیل سازمان دهی شده است. بخش ۲ ارائه دهنده مفاهیم کلیدی حوزه کاربردی مالی می باشد و بررسی تحقیقات مرتبط در بخش ۳ عرضه می شود. بخش ۴ متعاقباً الگوی ما در ارتباط با حاصل آوردن داده ها و فرایند بصری سازی یا عرضه اطلاعات بصورت ویژوال را عرضه می دارد، متعاقباً در بخش ۵ چنین فرایندی بر روی مجموعه بزرگی از اطلاعات مالی اعمال می گردد. در نهایت، بخش ۶ به نتیجه گیری و مشخص سازی رئوس مطالب تحقیقات آتی می پردازد.
تحلیل ویژوال خط سیر داده های بزرگ سری زمانی مالی
۲- تحلیل داده های مالی
در بازارهای مالی بین المللی، شرکت های فراهم آورنده داده ها نظیر شرکت های Bloomberg، Reuters یا Thompson Financial به جریان های بزرگ اطلاعاتی که در زمان واقعی از سوی سیستم های تجارت الکترونیک بین المللی فراهم می آیند دسترسی دارند. تحلیل گران مالی می بایست به صورت موثر و کارامد قابلیت تحلیل مقادیر زیادی از داده ها به منظور ارائه تصمیمات سرمایه گذاری مناسب یا عرضه خدمات مشاوره ای مالی مطلوب را داشته باشند. با توجه به رقابت اصلی، تحلیل گران می بایست قابلیت حاصل آوردن بهترین تصمیمات ممکن در زمان کوتاه را داشته و بر این مبنا می بایست تا حد ممکن اطلاعات مفیدی را حاصل آورند. تکنیک های بسیاری برای تحلیل داده های بازار سهام وجود دارد، اما تحلیل نمودار فنی و تحلیل همبستگی های بین شاخص های مالی به عنوان معروف ترین موارد مطرح هستند.
تحلیل ویژوال خط سیر داده های بزرگ سری زمانی مالی
۳- تحقیقات مرتبط
در خلال سالیان اخیر، تعداد تکنیک های بصری سازی مخصوصاً برای داده های مالی ارائه شده اند. مقایسه کارایی برخی از آن ها را می توان در مرجع [۱۹] یافت. یک تکنیک بصری سازی که مخصوصاً برای حوزه مالی مفید می باشد شامل تکنیک TreeMap است، همان گونه که به وسیله سیستم نقشه بازار [۲۶] مشخص می شود. چنین موردی معرف ارزیابی ها در نمای TreeMap با توجه به حجم کد گذاری شده بازار بر مبنای ناحیه و بازده دارایی به وسیله کدهای رنگی می باشد. تحلیل ویژوال توزیع بازده های دارایی در خلال کلیه بازه های زمانی محتمل بر مبنای افق زمانی از طریق رشد ماتریس های خاص (مثلث های بازگشتی) میسر خواهد بود [۱۲]. سری های زمان طولانی قیمت های ارزیابی را می توان به صورت مناسبی به وسیله آنچه تحت عنوان نمای چشم ماهی خوانده می شود نشان داد [۱۸]. یک تحلیلگر غالباً سعی در ترکیب اطلاعات ارزیابی کمی با اخبار حقیقی مالی می نماید و بر این مبنا یک فرایند بصری سازی دو مدلی در مرجع [۲۷] ارائه شده است. ترکیب پورت فوی بودجه ای و تغییرات آن ها در خلال زمان نیز در یک نمای ۵/۲ بعدی مشخص شده است [۴]. در مرجع [۲۸،۲۱] توسعه بازار سهام با استفاده از خط مشی ها یا خط سیر حرکت های شاخص سهام به تصویر کشیده شده است.
تحلیل ویژوال خط سیر داده های بزرگ سری زمانی مالی
۴- استخراج و بصری سازی الگوهای نمودار
تحلیل مقدار قابل توجهی از داده های وابسته به زمانی دو بعدی نیازمند داده های مناسب و انجام فرآیند انباشتگی و تجرید داده ها به منظور پشتیبانی از تحلیل مهمترین ویژگی های اطلاعاتی می باشد. ما رویکرد خود را جهت کاهش خط سیرهای طولانی، پیچیده، با بازده ریسک بالا و حاصل آوردن الگوهای منطقی و سالم مرتبط ارائه می نماییم.
۴ـ۱٫ محاسبه الگوهای حرکت نمودار
داده های مورد نظر حاوی ملاحظات وابسته زمانی در یک فضای بازده ـ ریسک دو بعدی می باشد، که در آن (s، p) به برآوردهای جفتی ریسک p و بازده s اشاره دارد، که برای هر دارایی مالی a Î A از مجموعه ای از دارایی های A مشاهده شده است، و برای هر مهر زمانی t Î [۰, T-1] افق مشاهداتی مدنظر می باشد. درون یابی خطی بین کلیه مشاهدات متوالی و منجر به حرکت های بازگشت ـ ریسک (یا خطوط سیر) برای دارایی های واحد می شود (برای مشاهده یک شاخص در این زمینه به شکل ۲ رجوع شود).
۴ـ۲٫ بصری سازی مجموعه خط سیر
یک بلوک اصلی ساختاری در سیستم تحلیل ما فرآیند بصری سازی مناسب توزیع نمونه های خط سیر w.r.t. مرتبط با یک مسیر پروتوتایپ می باشد. بصری سازی یک خط سیر یا مسیر پروتوتایپ همراه با نمونه های اندک دیگر با طول محدود یکی از مؤلفه های مرتبط در این زمینه به شمار می آید. به طور مثال، برای یک هفته مشخص و با توجه به زیر مجموعه کوچکی از دارایی ها، ما به سادگی قابلیت جای گذاشت مسیرهای چند خطی مطبوع بر روی پروتوتایپ مرتبط p را خواهیم داشت که اقدام به اتصال بخش های مسیر متناظر نشان داده شده به صورت بریده بریده می نماید (شکل ۳ الف). ما با استفاده از نشانگرهای سبز (نقطه شروع) و قرمز (نقطه انتها) اقدام به نشان دادن نقاط شروع و انتهای پروتوتایپ خط سیر در و نمودیم. با قرارگیری بیش از چندین خط سیر نمونه، صفحه نمایش به سرعت پرجمعیت می گردد.
۴ـ۳٫ طراحی نمای متمرکز ـ وظیفه و پشتیبانی تعاملی هوشمندانه
در تعامل با تحلیل مالی، و در حول و حوش این بلوک های اصلی بصری سازی و خوشه بندی، ما اقدام به طراحی چندین نمای تحلیلی و تسهیلات پرس و جوی محاوره ای نموده ایم. سه نمای اصلی به عنوان مطلوب ترین موارد مشخص شده اند. ما به طور خلاصه ذیلاً آنها را تشریح نموده و آنها را در بخش بعدی بکار می گیریم. با توجه به ارائه خط سیرهای هفتگی بسیار با تعداد کوچکتری از پروتوتایپ های خط سیر، اولین سئوال که طبیعتاً رخ می دهد در ارتباط با توزیع کلی و کیفیت الگوهای مشخص شده در مجموعه اطلاعاتی می باشد. نگرش بازار به ما اجازه ارزیابی این سئوال از طریق ارائه پروتوتایپ های خط سیر و عرضه داده های نمونه بر روی گرید SOM با استفاده از فرآیند بصری سازی مجموعه خط سیر را می دهد.
تحلیل ویژوال خط سیر داده های بزرگ سری زمانی مالی
۵- برنامه های کاربردی
در این بخش ما اقدام به تحلیل الگوهای حرکت نمودار در یک مجموعه اطلاعاتی مالی دنیای حقیقی بزرگ می نماییم و کارایی رویکرد خود را نشان خواهیم داد.
۵ـ۱٫ مجموعه اطلاعاتی و استخراج الگو
مجموعه اطلاعاتی متشکل از ۸۳ بازار بورس اروپا می باشد که داده های مربوط به ریسک روزمره و بازده آنها بین می ۲۰۰۵ و نوامبر ۲۰۰۶ لیست و مشخص گردیده است. با تجزیه این مجموعه اطلاعاتی به هفته های تجاری کامل می توان ۶۶ هفته مشاهداتی را با مجموع نمونه های حرکت نمودار به تعداد ۵۴۷۸ مورد (خط سیر) به عنوان ورودی به تحلیل خوشه مبتنی بر ـ SOM مشخص ساخت. ما اقدام به بهنجارسازی هر نمونه همانند مورد توصیف شده در بخش ۴ـ۱ نموده و از آن داده ها جهت آموزش یک نقشه خودسازماندهی متشکل از ۱۲×۹ بردار پروتوتایپ آرایش یافته بر روی یک گرید با توپولوژی مستطیلی شکل استفاده می نماییم.
۵ـ۲٫ نمای بازار
نمای بازار ارائه دهنده یک نمای کلی در خصوص توزیع حرکت های نمودار کلیه دارایی ها و بر فراز یک افق تمام عیار زمانی می باشد. ما قابلیت بصری سازی نمای بازاری از طریق نگاشت هر خط سیر نمونه به نزدیک ترین پروتوتایپ خط سیر مجاور آن یعنی را به دست آورده ایم و برای این کار از هنجار L1 بین بردارهای ویژگی خطوط سیر به عنوان تابع فاصله d() استفاده نموده ایم. ما اقدام به ایجاد نمای بازار از طریق بصری سازی مجموعه های خطوط سیر در موقعیت الگوی پروتوتایپ اصلی آنها بر روی گرید SOM نموده ایم. در تعامل با فرآیند خوشه بندی SOM چنین موردی ارائه دهنده یک نمای مؤثر در ارتباط با الگوهای حرکت نمودار وابسته به ویژگی های بازاری می باشد. این صفحه نمایش همچنین به طور مؤثر قابلیت بصری سازی کیفیت و فراوانی شاخص نمونه های حقیقی از طریق این پروتوتایپ ها را خواهد داشت.
۵ـ۳٫ نمای دارایی
نمای دارایی از نمای بازار از طریق محدودسازی مجموعه خطوط سیر نمونه به یک دارایی انتخاب شده حاصل می گردد. بنابراین، دارایی های واحد را می توان برای رخداد الگوهای حرکت نمودار خاص مورد تحلیل قرار داد. علی الخصوص، به واسطه تعداد اندک تطبیق ها بر حسب پروتوتایپ، ما به طور مستقیم اقدام به قراردهی هر نمونه تطبیقی بر روی پروتوتایپ آن نموده و صرفاً آن دسته از الگوهایی که دارای انطباق با هر نمونه نیستند را از طریق مشخص سازی آنها در یک رنگ سبک تر یا کمرنگ تر نشان می دهیم. برای پروتوتایپ های تطبیقی، ما از یک رنگ بندی زمینه جهت مشخص سازی تعداد نمونه های ارائه شده استفاده می نماییم و بر این مبنا میزان اشباع رنگ را در تناسب با حداکثر فراوانی رخ داده مقیاس بندی می نماییم.
۵ـ۴٫ نمای ترتیبی
نمای ترتیبی به عنوان یک نمای مقایسه ای الگوهای حرکت نمودار برای کلیه دارایی ها در خلال زمان به شمار می آید. این نما در یک طرح ردیفی ـ ستونی سازماندهی شده است که در آن هر ردیف معرف دارایی و هر ستون معرف یک هفته می باشد، و هر سلول حاوی شاخص پروتوتایپ نمونه حرکت نمودار حقیقی است. چنین موردی ترکیب کننده مزیتهای جریان زمان خطی آشنا با شاخص حرکت نمودار واحد از طریق بهترین پروتوتایپ های تطبیقی می باشد.
تحلیل ویژوال خط سیر داده های بزرگ سری زمانی مالی
۶- نتیجه گیری
در این مقاله ما یک سیستم تحلیلی برای تحلیل مبتنی بر الگوی داده های نمودار متغیر بر حسب زمان دو بعدی را ارائه نموده ایم. با تمرکز بر روی حوزه مالی، این سیستم به گونه ای طراحی شده است تا قابلیت بازتاب قرار دادن چهار بخش زمانی وابسته به ـ حوزه و ایده های مشابهت های خط سیر را داشته باشد، اما در عین حال ما انتظار داریم که این رویکرد کلی قابلیت بکارگیری برای حوزه های مهم دیگر، نظیر کنترل ترافیک، کنترل تسهیلات، یا کاربرد در مسایل اجتماعی سیاسی را داشته باشد. یک ویژگی کلیدی این راه حل آن است که جفت شدگی محکم روش های داده کاوی به صورت اتوماتیک (مخصوصاً، تحلیل های خوشه ای و آماری) با تکنیک های مؤثر بصری سازی و طراحی مناسب در این مبحث ارائه شده است. به علاوه پارامترهای مناسب دیگری نظیر کار با نماهای محاوره ای و تسهیلات پرس و جوی اطلاعات برای بررسی و تحلیل کامل داده ها و ایجاد فرضیه ها از جمله موارد مطلوب دیگر در این زمینه می باشد.
در علم تحلیل، چنین موردی به طور کلی مشخص شده است که استفاده از داده های هوشمند و پیش پردازش آنها و تحلیل داده ها به صورت اتوماتیک به عنوان مؤلفه های حیاتی برای ایجاد نماهای بالقوه مفید در زمینه داده های پیچیده به شمار آمده و از این طریق قابلیت پشتیبانی از فرآیند تحلیل نیز به وجود خواهد آمد. برای نمای ترتیبی عرضه شده در این مبحث، ما نسبت به پیاده سازی یک تحلیل الگویی مبتنی بر فراوانی نسبتاً ساده برای ایجاد نماهای کاندید استفاده نمودیم که در مقابل می بایست قابلیت پشتیبانی از تحلیل همبستگی در الگوهای حرکت نمودار را داشته باشد. تحقیقات آتی اقدام به مشخص سازی و به حساب آوردن الگوریتم های تحلیلی پیشرفته تری می نماید که بر حسب سری های زمانی و ویژگیهای داده کاوی بر مبنای خط سیر مشخص و ارائه خواهند شد. علی الخصوص، ما خواستار تعامل الگوریتم های تحلیلی غیرکنترل شده یا غیرنظارتی بیشتر برای شناسایی الگوهای بالقوه قابل توجه در این زمینه می باشیم. یک نقطه آغازین نوید دهنده تا به اینجا را می توان در مرجع [۳۱] مدنظر قرار داد.
یکی از ویژگی های کاملاً مرتبط با شناسایی الگو فرآیند مشخص سازی ویژگی های داده های مرتبط می باشد. بنابراین ما سعی در گنجاندن فرآیندهای بهنجارسازی داده ها و الگوریتم های استخراج ویژگی خط سیر در سیستم خود نموده تا قابلیت پشتیبانی از محدوده گسترده ای از سیستم های کاربردی را داشته باشیم. علی الخصوص، ایده های مشابهت خط سیر متکی به ویژگی های ساختاربندی شده و تقسیم بندی شده نیز ارائه خواهند شد. مخصوصاً، با توجه به حوزه مالی، درج شاخص های بخشی، حجم بازاری و دیگر شاخص های حاصله به عنوان یک مؤلفه مورد نظر قلمداد می شود. در نهایت، با توجه به طرف تعاملی، ما اقدام به برنامه ریزی جهت گسترش این سیستم از طریق بهره گیری از کاربردپذیری جستجوی مشابهت ارتقاء یافته نموده و از این طریق به کاربران اجازه می دهیم تا به صورت گرافیکی قابلیت طرح سئوال و پرس و جو برای برخی از ویژگی های مطرح شده بر اساس خط سیر خاص که در یک محتوای مشخص قابل توجه هستند را داشته باشند.
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
