目前，将文本挖掘技术应用于教育数据引起了很多研究关注。 本研究使用文本挖掘技术来检查大学新生在工程领域准备的海报，以期在毕业后展示值得学习的重要关键词的情况下，展示他们的学习计划和职业目标。 结果表明，即使参加该项目的学生仅接受了三个月的大学教育，他们的学习计划和职业目标就已经相当具体，并且非常适合他们选择的领域和课程。 他们中的一些人对技术工程术语掌握得非常好。

本文主要在《古兰经》一书中提出了一个良好的简单，多线性动词回归模型。 该模型分析了由多个当前动词（t-un，---）或（y-un，---）的频率对具有（-un，-）形式的单词的频率的影响。 ），模型以及独立变量与因变量之间的关系，方法是使用简单的线性回归模型将线性方程式拟合到观测数据。 matlab函数用于查找线性回归模型的参数并绘制拟合。 结果表明，该模型的参数为一个向量（1，1），数据集的平均值为（6，7）。 它与输入动词对应的是它们进入的动词的频率和进入的频率（yadkolun dakilun），该行和古兰经中的387个动词及其派生动词的数据集中还有其他17个点。 当我们使用树变量并使用3D选项（用于多元回归模型的“显示文本”）将其绘制为3D时，将显示Allah（）的名称。