پیشنهادرویکردی ترکیبی برای دسته بندی اسنادمتنی بااستفاده ازKنزدیکترین همسایه پیشنهادی روی شینگل های مختلف
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 670
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
BPJ01_189
تاریخ نمایه سازی: 29 دی 1392
چکیده مقاله:
دراین مقاله به دسته بندی اسنادمتنی پرداخته شدها ست روش پیشنهادی به کاربردن درهم سازکمینه به همراه دسته بندK نزدیکترین همسایه روی شینگلهای مختلفی ازکلمات است تابع درهم سازکمینه معمولا برای سرعت بخشیدن درجستجوی جداول فشرده سازی داده ها و تشخیص رکوردهای تکراری درحجم زیادداده استفاده میشود امادراین مقاله برای خلاصه کردن اسناد متنی به کارگرفته شده است ازسوی دیگر موثرترین راه برای انسان ددن اسناد بصورت مجموعه است وازاین روش به منظور شناسایی اسناد باشباهت های لغوی استفاده میشود تا ازاسناد مجموعه ای ازرشته های کوتاه که درداخل آن ظاهر شده اند ساخته شود بنابراین ازاین طریق میتوان اسنادی را یافت که اشتراک هایی هرچند کوتاه کوتاهترازجمله یاحتی عبارت بایکدیگر دارند و درنتیجه تعداد زیادی عناصرمشترک درمجموعه شان خواهند داشت حتی اگر این جملات یا عبارات با ترتیب های مختلف درسند ظاهر شوند برای شناسایی این تشابهات ازرروشی ساده و رایج به نام شینگل استفاده میشود استفاده ازدرهم ساز کمینه به همراه یک دسته بند بصورت طبیعی با افت دقت همراه است اما درعین حال باعث بالا رفتن سرعت عملیات دسته بندی میشود دراین مقاله برای حل مشکل افت دقت حاصل ازدرهم ساز کمینه یک دسته بندkنزدیکترین همسایه پیشنهاد شده که درآن به جای درنظر گرفتن شباهت کسینوسی بین اسناد ازشباهت جاکارد استفاده شده است نتایج پیاده سازی نشان میدهد که دسته بندپیشنهادی kنزدکترین همسایه روی شینگلهای مختلف کلمات بازیادشدن آنها ازدقتش کاسته میشود
کلیدواژه ها:
نویسندگان
فاطمه شیخی
کارشناسی ارشدنرم افزارکامپیوتر
لاله الله دادی
دانشجوی کارشناسی ارشد
مائده عابدینی بقاء
دانشجوی کارشناسی ارشد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :