«Қазақстан ғылымының дамуы мен келешегі жастар көзімен»

ИНЖЕНЕР ФАКУЛЬТЕТІ 
«АҚПАРАТТЫҚ ЖҮЙЕЛЕР» ЖӘНЕ «КОМПЬЮТЕРЛІК ИНЖЕНЕРИЯ»  
КАФЕДРАЛАРЫ 
 
“БАҒДАРАЛАМАЛЫҚ ҚАМТАМАСЫЗ ЕТУ ЖӘНЕ КОМПЬЮТЕРЛІК 
МОДЕЛЬДЕУ” 
 
УДК: 004.420 
COMPARISONS BETWEEN RUBY AND PYTHON 
 
Asem Seysenbay 
MSc Student, Suleyman Demirel University, Almaty 
asemesboken@yahoo.com
 
Zhanat Kopbayeva, MSc Student, Suleyman Demirel University, Almaty 
kpb_janat@mail.ru
 
 
Abstract 
Nowadays  web  development  programming  is  very  popular.  Using  object-oriented  programming 
(OOP) languages in it made it fun to design overall architectures, functionalities and ease of usability. As 
the  scripting  languages  did  not  lose  their  popularity  in  this  process,  on  their  own  field  they  also  were 
making  progress  for  making  web  development  interesting  for  a  programmer.  Also  scripting  languages’ 
popularity is stable because of their compatibility and ease of use with the other languages. Considering 
these  in this paper the comparison of basic items is made, that exist in Ruby and Python. Python itself 
was  already  popular,  but  coming  of  Ruby  into  the  world  of  developers  made  them  to  begin  many 
discussions. This work will give you basic view to make yourself a conclusion which one to choose and 
here  it’s  assumed  that  you  already  know  one  of  the  OOP  languages  or  at  least  have  some  basic 
understanding of it. 
Keywords: programming languages, script, Python, Ruby 
  В  этой  работе  было  приведено  сравнение  двух  скриптовых  языков  Руби  и  Питон.  Этот 
предварительный просмотр позволит для дальнейшего прогресса в ознакомлении с этими двумя 
языками. 
Executing statements 
Python statement example in Python as shown in table 1 and  its output in figure 1.1[1]: 
Table 1 Statement in Python 
Code line 
from time import 
time 
t1=time() 
print("Hello 
World!") 
print time()-t1 
 
Figure 1.1 Output in Python 
The same example in Ruby: 
Table 2 Statement in Ruby 
Code line 

t1=Time.now 
puts "Hello 
World!" 
puts Time.now-
t1 
 
 
Figure 1.2. Output in Ruby 
Comparison: 
Code lines: Python: 4 lines, Ruby: 3 lines 
Time for executing: Python time is less than Ruby time 
Note: Actually in Python it was import statement taking one more line. And because of this kind of 
statement not required in Ruby rubiests claim it to be totally object oriented. 
Method / Function defining 
Method and function example in Python as shown in table 2 and  its output in figure 2.1[2]: 
Table 3 Method and function in Python 
Code line 
def sum(n1,n2): 
return n1+n2 
from time import 
time 
t1=time() 
print(sum(3,4)) 
print time()-t1 
t1=time() 
print(sum("Hello 
","World!")) 
print time()-t1 
 
 
Figure 2.1. Output in Python 
Ruby defining: 
Table 4 Method and function in Ruby 
Code line 
  def sum(n1,n2) 
   
n1+n2 
  end 
  t1=Time.now 
  puts sum(3,4) 
  puts Time.now-t1 
  t1=Time.now 
  puts sum("Hello ","World!") 

  puts Time.now-t1 
 
 
Figure 2.2. Output in Ruby 
Comparison: 
Code lines for defining method: Python: 2 lines, Ruby: 3 lines 
Time: Python time is less than Ruby time 
Note: Ruby needs additional end statement to finish defining and Python needs return keyword to be 
processed like a  function not  procedure. Without  return or return without arguments will  give us None 
result in Python. And in Ruby every called method returns a value (although no rule says you have to use 
that  value).The  value  of  a  method  is  the  value  of  the  last  statement  executed  during  the  method’s 
execution.  Also  in  Ruby  because  it  looks  at  everything  as  objects  nil  argument  calling  will  give 
undefined method error for NilClass as in Python calling with None argument. 
IF Statement and Standard input, gets 
Python IF statement: 
Table 5 if statement in Python 
Code line 
  from time import time 
  x=int(input("Please enter an integer:")) 
  t1=time() 
  if x<0: 
      x=0 
      print('Negative changed to zero') 
  elif x==0: 
      print('Zero') 
  elif x==1: 
      print('One') 
  else: 
      print('More') 
  print time()-t1 
 
 
Figure 3.1. Output in Python 
Ruby IF statement: 

Table 6 If statement in Ruby 
Code line 
  print "Please enter an integer:" 
  x=Integer(gets) 
  t1=Time.now 
  if x<0 
      x=0 
      print(“Negative changed to zero\n”) 
  elsif x==0 
      print “Zero\n” 
  elsif x==1 
      puts 'One' 
  else 
      puts 'More' 
  end 
  puts Time.now-t1 
 
 
Figure 3.2. Output in Ruby 
Comparison 
  Code lines for input, gets: Python: 1 line, Ruby: 2 lines 
  Code lines for IF statement:   Python: 9 lines, Ruby: 10 lines 
  Time: Almost same 
  Note: In Python after the beginning of any statement we need to put colon. In Ruby there is no 
colon to be put and the brackets of any methods are optional if after method call there are no operations 
on return values of methods. In Ruby the brackets of print statement is must with one argument, with 
more arguments it must be omitted. 
Conclusion 
  In this paper basic comparison between two scripting languages Ruby [1] and Python [2] was 
made. This preview will make it possible for your further progress in introduction with these two 
languages. 
 
References 
[1]. Python Tutorial, Release 3.2.3., Guido van Rossum, Fred L.Drake, Jr., September 2012. 
[2]. Programming Ruby, The Pragmatic Programmers’ Guide, Dave Thomas with Chad Fowler and 
Andy Hunt, Second Edition. 
 
 
 
 
УДК: 004.325 

 
TEXT BASED DOCUMENT SIMILARITY MEASURE 
Shnibekov Zhasulan 
 
ABSTRACT 
Do you have a shortage of data? Not very likely. A consequence of the pervasive use of computers is 
that most data originate in digital form. If we trade a stock or write a book or buy a product online, these 
events evolve electronically. Since so many paper transactions are now in paperless digital form, lots of 
“big” data are available for further analysis. 
The  concept  of  data  mining,  finding  valuable  patterns  in  data,  is  an  obvious  response  to  the 
collection  and  storage  of  large  volumes  of  data.  Data  mining  is  no  longer  an  emerging  technology 
awaiting  further  development.  Although  its  application  is  far  from  universal,  the  techniques  of  data 
mining are highly developed and for some forms of analysis are entering a mature phase. 
We would like to say “Give us data and we will find the patterns.” 
Unfortunately,  data-mining  methods  expect  a  highly  structured  format  for  data,  necessitating 
extensive  data  preparation.  Either  we  have  to  transform  the  original  data,  or  the  data  are  supplied  in  a 
highly structured format. 
Data-mining methods learn from samples of past experience. If we speak to specialists in predictive 
data  mining,  their  data  will  be  in  numerical  form.  These  people  are  the  “numbers  guys.”  The  “text 
miners” do not expect an orderly series of numbers. They are happy to look at collections of documents, 
where the contents are readable and their meaning is obvious. 
This  is  our  first distinction  between data and text  mining:  numbers  versus  text.  That  doesn’t mean 
that these are two distinct concepts. Both are based on samples of past examples. The composition of the 
examples is very different, yet many of the learning methods are similar. That’s because the text will be 
processed and transformed into a numerical representation. 
 
АННОТАЦИЯ 
В  современном  мире  нет  понятия  дефицита  данных  и  информаций.  Большинство  данных 
представлены  в  цифровом  виде    из-за  повсеместного  использования  компьютеров  и 
компьютерных технологий. Такие события, как покупка различных товаров в интернете, торговля 
различными  акциями, публикация  книги, происходят  в  электронном  виде.  Так  как  большинство 
бумажных  сделок  происходят  в  электронной  форме,  много  “больших”  данных  нуждаются  в 
анализе.  
Концепция  интеллектуального  анализа  данных  -  это  поиск  закономерностей,  которые  
являются очевидным ответом на сбор и хранение больших объемов данных. Технологии анализа 
данных  актуальны  на  сегодня    и  не  нуждаются  в  доработке.  Хотя  применение  далеко  не 
универсально, однако методы интеллектуального анализа данных являются весьма развитыми. К 

сожалению,  для  применения  этих  методов,  необходимо  чтобы  данные  имели  хорошо 
структурированный  формат.  В  большинстве  случаях  данные  нуждаются  в  переводе  в  тот  вид, 
который требуют методы анализа. 
 Методы анализа основаны в сравнении образцов данных. Специалисты работают с данными, 
которые  представлены  в  численном  виде.  Но  большинство  документов  имеют  текстовый  вид, 
содержание которых легко можно прочитать.  
Методы анализа обрабатывают численные значения. Однако текст можно легко представить в 
цифровом  виде.  Это  единственная  разница  между  текстом  и  числами  в  анализе  данных.                                                           
ТҮЙІН 
Қазіргі  әлемде  деректердің  және  информация  тапшылығының  ұғымы  жоқ.  Деректердің 
көпшілігі  компьютердің  және  компьютерлік  технологияның  игерушілігінің  мол  болғаны  соң, 
цифрлық  көріністе  ұсынады.    Мысалы,    интернеттен  түрлі  тауарларды  сатып  алған  жағыдайда, 
түрлі  акциялармен  сауда  жүргізгенде,  кітаптың  жарияланымы,  электрондық  көріністе  болып 
жатады.  Себебі  қағаздық  мәмілесінің  көпшілігі  құжаттандырылмаған  соң,  көп  "кесек-кесек" 
деректер анализда мұқтаж болады.  
Деректердің  зияткерлік  анализының  тұжырымдамасы  -  ол    бір  заңдылықтың  ізденісі. 
Деректер жиыны және деректердің кесек-кесек көлемінің сақтауы айқын жауап болып табылады. 
Деректер  анализының  технологиялары  осы  заманда  өзектілік    және  пысықтауға  мұқтаж  емес. 
Қолданысы да ұзақ әмбебап емес, алайда деректердің зияткерлік анализының әдістері ең дамыған 
болып табылады. Өкінішке қарай, осы әдістерді қолдану үшін, деректер жөн құрылған форматта 
болуы  тиіс.  Көп  жағыдайда,  деректер  анализының  әдістері,  мазмұнысы  керек  көрініске 
аударылуын мұқтаж етеді. 
Анализ  әдістерінің  негіздері  -  деректердің  үлгісінің  салыстыруымы.  Мамандар  сандық 
көріністе  ұсынған  деректермен  жұмыс  істейтін.  Бірақ  құжаттың  көпшілігі  мәтіндік  көріністе 
болған соң, мазмұнысы жеңіл оқылынады. 
Анализдың  әдістері  сандық  мағыналарды  өңдейді.  Алайда  мәтіндi  цифрлық  көрініске 
аударуы  жеңіл  болып  табылады.  Деректердің  анализында,  мәтіннің  және  сандардың 
айырылымашылығы осы. 
 
FORMULATION OF A PROBLEM 
Simple  Desktop  application  to  see  the  difference  between  two  text  based  documents.  Application 
will  use  various  types  of  similarity  measure  functions.  The  idea  of  measuring  text  based  document 
similarity has received considerable attention in several domains, including information retrieval and text 
mining. To begin with, we first transfer data into numerical vectors, and then we use similarity measure 
functions that would measure document similarities in general. Transferring data into numerical vectors 

are tough work, where we use tokenization, filtering stopwords, stemming, etc, and then calculating by 
functions.  In the end when data is in terms of numerical vectors then we use all the similarity measure 
functions. 
 Tokenization 
Tokenization  is  the  process  of  breaking  a  stream  of  text  up into  words,  phrases,  symbols,  or  other 
meaningful  elements  called  tokens.  The  list  of  tokens  becomes  input  for  further  processing  such  as 
parsing or text mining. Tokenization is useful both in linguistics (where it is a form of text segmentation), 
and in computer science, where it forms part of lexical analysis. 
Stopwords 
In  computing,  stopwords  are  words  which  are  filtered  out  prior  to,  or  after,  processing  of  natural 
language  data  (text).  For  some  search  machines,  these  are  some  of  the  most  common,  short  function 
words,  such  as  the,  is,  at,  which  and  on.  Default  English  stopwords  list:  a,  about,  above,  after,  again, 
against, all, am, an, and, any, are, …etc.  
Stemming 
In  linguistic  morphology,  stemming  is  the  process  for  reducing  inflected  (or  sometimes  derived) 
words  to  their  stem,  base  or  root  form  –  generally  a  written  word  form.  A  stemmer  for  English,  for 
example, should identify the string "cats" (and possibly "catlike", "catty" etc.) as based on the root "cat", 
and  "stemmer",  "stemming",  "stemmed"  as  based  on  "stem".  A  stemming  algorithm  reduces  the  words 
"fishing", "fished", "fish", and "fisher" to the root word, "fish". 
Vector generation 
Vector generation (or vector space model) is an algebraic model for representing text documents as 
vectors of identifiers. 
Documents and queries are represented as vectors. 
dj = (w
1,j
,w
2,j
,...,w
t,j
) 
q = (w
1,q
,w
2,q
,...,w
t,q
) 
Each dimension corresponds to a separate term. If a term occurs in the        document, its value in the 
vector is non-zero. 
IDF-inverse document frequency is a measure of the general importance of the term 
 
| D | : the total number of documents  
 
 
 number of documents where the term t
i
 appears (that is ).  
If the term is not in, this will lead to a division-by-zero:  
 
 
 
TF-term frequency, defined as: 
 
 
 

where  n
i,j
  is  the  number  of  occurrences  of  the  considered  term  (t
i
)  in  document  d
j
,  and  the 
denominator  is  the  sum  of  number  of  occurrences  of  all  terms  in  document  d
j
,  that  is,  the  size  of  the 
document | d
j
 | . 
Finally, 
 
 
Experimental analysis 
Consider  a  document  containing  100  words  wherein  the  word  cow  appears  3  times.  The  term 
frequency (TF) for cow is then (3 / 100) = 0.03. So, TF = 0.03. 
Now, assume we have 10 million  documents and  cow  appears in  one thousand of these. Then, the 
inverse document frequency is calculated as log(10 000 000 / 1 000) = 4.  IDF = 4.  
The TF-IDF score is the product of these quantities:       0.03 × 4 = 0.12. 
TF-IDF = 0.12 
Example 2: 
Suppose the query "gold silver truck". The database collection consists of three documents (D = 3) 
with 
the 
following 
content 
D1: 
"Shipment 
of 
gold 
damaged 
in 
a 
fire" 
D2: 
"Delivery 
of 
silver 
arrived 
in 
a 
silver 
truck" 
D3: "Shipment of gold arrived in a truck" 
 
Table 1 shows us the result of calculation. 
Table 1: 
Term vector model based on w(i) = tf(i)*IDF(i) 
 
                     Query, Q: “gold silver truck” 
D1: 
"Shipment 
of 
gold 
damaged 
in 
a 
fire" 
D2: 
"Delivery 
of 
silver 
arrived 
in 
a 
silver 
truck" 
D3: "Shipment of gold arrived in a truck" 
D = 3; IDF = log(D/df(i)) 
 
Counts, 
tf(i) 
 
Weights, 
w(i) 
= 
tf(i)*IDF(i) 
T
ERM
S 
Q  D
1 
D
2 
D
3 
d
f(i) 
D
/df(i) 
I
DF(i) 
Q 
D
1 
D
2 
D
3 
a 
0 
1 
1 
1 
3 
3/
3=1 
0 
0 
0 
0 
0 
ar
rived 
0 
0 
1 
1 
2 
3/
2=1.5 
0.
1761 
0 
0 
0
.1761 
0
.1761 
d
amage
d 
0 
1 
0 
0 
1 
3/
1=3 
0.
4771 
0 
0
.4771 
0 
0 
d
eliver
0 
0 
1 
0 
1 
3/
1=3 
0.
4771 
0 
0 
0
.4771 
0 

y 
fi
re 
0 
1 
0 
0 
1 
3/
1=3 
0.
4771 
0 
0
.4771 
0 
0 
g
old 
1 
1 
0 
1 
2 
3/
2=1.5 
0.
1761 
0
.1761 
0
.1761 
0 
0
.1761 
in 
0 
1 
1 
1 
3 
3/
3=1 
0 
0 
0 
0 
0 
of 
0 
1 
1 
1 
3 
3/
3=1 
0 
0 
0 
0 
0 
si
lver 
1 
0 
2 
0 
1 
3/
1=3 
0.
4771 
0
.4771 
0 
0
.9542 
0 
s
hipme
nt 
0 
1 
0 
1 
2 
3/
2=1.5 
0.
1761 
0 
0
.1761 
0 
0
.1761 
tr
uck 
1 
0 
1 
1 
2 
3/
2=1.5 
0.
1761 
0
.1761 
0 
0
.1761 
0
.1761 
 
Similarity Analysis  
     First for each document and query, we compute all vector lengths (zero terms ignored) 
 
 
 
|Di|=
i,j 
 
 
|Q|=
Q,j 
 
Next, we compute all dot products (zero products ignored) 
 
Q*D1 = 0.1761 * 0.1761 = 0.0310 
Q*D2 = 0.4771 * 0.9542 + 0.1761 * 0.1761 = 0.4862 
Q*D3= 0.1761 * 0.1761 + 0.1761 * 0.1761 = 0.0620 
 
Q*Di = 
 
 
Now we calculate the similarity values 
 
Cosineθ
D1
 = 
 =  
 = 0.0801 
 

Cosineθ
D2
 = 
 =  
 = 0.08246 
 
Cosineθ
D3
 = 
 =  
 = 0.3271 
 
Cosineθ
Di 
= Sim (Q,Di) 
 
Sim (Q,Di) = 
 
 
Rank 
1: 
Doc 
2 
= 
0.8246 
Rank 
2: 
Doc 
3 
= 
0.3271 
Rank 3: Doc 1 = 0.0801 
 
CONCLUSION 
The application of these algorithms  is  the optimal  solution  for the analysis and  comparison  of text 
data. 
 
REFERENCE 
•
 
[1] Sholom M. Weiss, Nitin Indurkhya, Tong Zhang, Fred J. Damerau, “Text mining: Predictive 
Methods for Analyzing Unstructured Information”, Springer, USA, 2005, pp. 1-2, 15-25, 85-89. 
•
 
[2]  Christopher  D.  Manning, 
Prabhakar  Raghavan
  and 
Hinrich  Schütze
,  “Introduction  to 
Information Retrieval”, Cambridge University Press, USA, 2008, pp. 117-119. 
•
 
[3] 
Leo Egghe
, “New relations between similarity measures for vectors based on vector norms”,  
•
 
[4]  Deza,  Michel  Marie,  Deza,  Elena,  “Encyclopedia  of  Distances”,  Springer,  Berlin,  2009, 
pp.298-304. 
 
УДК: 004.420 
 
Online Ordering Taxi on Android 
Makhymgaliyeva Gulden 4D_04 
 
Nowadays  people  are  very  busy,  stressful  and  always  in  an  extremely  active  life.  Sometimes  they 
need  relax,  just  sit  and  think  about  how  life  is  wonderful.  Also  they  need  some  service  from  another 
people, and to get agreement with someone when you are very tired is so difficult. This kind of problem 
makes  you  annoying.  So  I  present  decision  of  this  issue  by  using  mobile  application  Get  a  Taxi.  This 
application locates the passenger's position automatically or can be set to pick-up from the user's favorite 
locations,  e.g.  work,  home  etc.  The  application  then  finds  and  orders  the  nearest  available  taxi  and 
informs  the  user  of  the  driver's  name  and  ratings,  and  how  much  will  cost  distance.  Map  shows  the 
passenger's position and the position of the taxi and displays the distance left and the estimated time of 
arrival. Booking and managing rides is quick and easy, saving you time and hassle. That is an awesome 
convenience when you are in a rush. A must-have friend in your pocket, ready for when you need it. The 
passenger can track the taxi‘s arrival on the map including time of arrival as well as the driver’s profile 
with picture, name, rating and phone number. 
The  word  “mobile”  means  capable  of  changing  quickly  from  one  state  or  condition  to  another, 
tending  to  travel  and  change  settlements  frequently,  e.g.  "a  highly  mobile  face".  What  about  “mobile 

application”?  Everyone  can  use  it  everywhere  and  take  with  you;  anyway  it  is  the  most  convenient 
system in human life.  It  can be faster, easy, safe time etc. You can easily economize your time, just sit 
and choose more suitable application to solve your task. 
Android  has  agreement  with  Google.  So  the  most  important  function  in  my  application  is  using 
maps.  GoogleMap  is  coming  to  help.  It’s  easy  to  navigate,  has  many  easy  options  to  print  out  or  save 
your maps as well as place-marks for everyone else to view, such as those for businesses and landmarks. 
Google  Maps  is  the  most  well-known  map  service  on  the  net  offering  basic  street  maps,  terrain  maps, 
satellite images and hybrid view which is a combination of the street maps and satellite images. Setting 
up such a service and keeping it running as well as making it better constantly is a tough job, so let’s take 
a look at how Google maps works. Any company or business can also add place-marks and information 
to  Google  Apps  by  using  Mapplets.  Mapplets  is  a  service,  similar  to  Maps  API  which  allows  you  to 
either  add  new  features  to  Google  Maps  or  to  overlay  information.  For  example,  for  my  application  I 
need agreement from taxi company.  
Beginning with the Android SDK release v1.0, you need to apply for a free Google Maps API key 
before  you  can  integrate  Google  Maps  into  your  Android  application.  To  apply  for  a  key,  you  need  to 
follow the series of steps outlined below. You can also refer to Google's detailed documentation on the 
process  at  http://code.google.com/android/toolbox/apis/mapkey.html.  By  default,  the  Google  Maps 
displays the map of the United States when it is first loaded. However, you can also set the Google Maps 
to display a particular location. In this  case,  you can use the  animateTo()  method of the MapController 
class.  The  final  step  is  to  add  the  API  key  to  your  application.  It  goes  in  your  application's  manifest, 
contained in the file AndroidManifest.xml. From there, the Maps API reads the key value and passes it to 
the Google Maps server, which then confirms that you have access to Google Maps data. Google Maps is 
one of the many applications bundled with the Android platform.  In addition to simply using the Maps 
application, you can also embed it into your own applications and make it do some very cool things. In 
this  article,  I  will  show  you  how  to  use  Google  Maps  in  your  Android  applications  and  how  to 
programmatically perform the following: 
1.Change the views of Google Maps 
2.Obtain the latitude and longitude of locations in Google Maps 
3.Perform geocoding and reverse geocoding 
4.Add markers to Google Maps 
 

жүктеу/скачать 5,89 Mb.

Достарыңызбен бөлісу: