خلاصه سازی تک جمله ای متون فارسی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,563

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MARAGHEH01_040

تاریخ نمایه سازی: 24 اردیبهشت 1393

چکیده مقاله:

امروزه استفاده از روش های خلاصه سازی خودکار متن، در راستای جستجوی اطلاعات مورد نظر در وب، ضروری به نظر می رسد. در راستای تصمیم گیری در مورد مطالعه کامل اسناد، می توان با خلاصه سازی آنها، با سرعت بیشتری به مهم ترین اطلاعات مطروحه در اسناد دست یافت. اما این امر حتی در صورت مطالعه خلاصه اسناد نیازمند زمان قابل توجهی است. با این وجود تولید خلاصه تک جمله ای از اسناد که بیانگر ایده اصلی موجود در سند باشد، می تواند مفهوم خلاصه سازی متن را به غایت دربر داشته، سرعت دست یابی به مهم ترین مفاهیم مطروحه در متن و تصمیم به مطالعه کامل آن ها را بهبود بخشد. روش های تولید خلاصه خود کار به دو دسته استخراجی و چکیده ای تقسیم می شوند. در روش های استخراجی خلاصه شامل بخش هایی از متن منبع است، در حالیکه در روش های چکیده ای، خلاصه پس از درک مهم ترین مفاهیم موجود در متن منبع، با عبارت های جدیدی بازگو می شود. در این مقاله در راستای تولید خلاصه تک جمله ای ، پس از شناسایی مهم ترین مفاهیم مطرح شده در اسناد، با استفاده از روش های آماری و مجموعه ای از ویژگی های مبتنی بر متن، به کمک روش های استخراجی به تولید خلاصه تک جمله ای از سند ورودی پرداخته شده است. نتایج حاصل، نشان دهنده حضور میزان مناسبی از اطلاعات متن در خلاصه تک جمله ای تولید شده می باشد.

کلیدواژه ها:

خلاصه سازی خودکار متن ، خلاصه سازی استخراجی ، خلاصه تکه جمله ای

نویسندگان

فرشته خوشنام

گروه کامپیوتر، دانشگاه آزاد اسلامی واحد زنجان، زنجان، ایران

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 :
  • Bharati, A., Chaitinya, V., Sangal, R., "Natural Perspective". ...
  • Song, Sh., Li, Ch., "Improved ROCK for Text Clustering Using ...
  • Text Automatic؛" [8] Basajic, R., Krupic, D., Suzic, B., Summarization ...
  • Vishal Gupta, Lehal G, :Features Selection and Weight learning for ...
  • Kumar Nagwani, Dr shrish Verma A Frequent Kevin[آ] Term and ...
  • Mani, I. (2001). "Automatic summarization _ John Benjamins Publishing. ...
  • Evans, D. & McKeown, K. (2000). "Identifying similarities and differences ...
  • McKeown, K. & Siddharthan, A, "Improving Multilingual Summarizatio. Using Redundancy ...
  • generation for written and broadcast news", lamp-tr- 120, cs-tr- 4 ...
  • 1] Zajic, D., Dorr, B., "Bbn/umd at duc 2 _ ...
  • Carbonell, J., "Summarizing text documents: sentence selection and evaluation metrics". ...
  • 5] Salton.G., Buckley.C, ":Automatic text structuring and summary". Information Process ...
  • Trilaksono, B .A., "Free Model of Sentence Classifier for Automatic ...
  • Baxendale, P.B., _ Machine -made index for technical literature:an experiment". ...
  • Armulfo Garc ia-H ernandez, R. _ Ledeneva, Y., "Word Sequence ...
  • Steinberger, J. & Jezek, K., "Evaluation measures for text summarization ...
  • نمایش کامل مراجع