ارایه روشی جهت مشابهت سنجی اسناد

اندازه گیری میزان شباهت اسناد موجود در وب؛ د ربسیاری از زمینه ها مانند بازیابی اطلاعات؛ دسته بندی متون ؛ خوشه بندی اسناد سیستمهای تشخیص تقلب ؛خلاصه سازی متون سیستمهای پرسش و پاسخ وسایر حوزه های نقش مهم واساسی ایفا می کند. بررسی های زیادی در این زمینه صورت گرفته است که هریک ازشیوه های متفاو مبتنی بر محتوا؛مانند روشهای لغوی ومعنایی و شیوه های مبتنی بر ساختار صفحه مانند روشهای استنادی و یا ترکیبی از روشها استفاده می کنند. روش پیشنهادی با استفاده از یک الگوی جدید وزن دهی واژه ها در فضای برداری اسناد بر مبنای شباهت سنجی لغوی توانسته است دقت و فراخوانی را در دسته بندی ومیزان صحت را در خوشه بندی اسناد افزایش دهد.

کلیدواژه ها:

شباهت اسناد ، معیار شباهت ، بازیابی اطلاعات ، خوشه بندی ، دسته بندی