بهبود سیستم خلاصهکننده متن بر پایهی بهبود الگوریتم Rankجملات

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 276

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

DSCONF03_138

تاریخ نمایه سازی: 19 خرداد 1396

چکیده مقاله:

هدف خلا صه سازی خودکار متن، فراهم کردن خلا صهای از محتویات مطابق با اطلاعات مورد نیاز کاربر است. الگوریتمهای متعددی برمبنای الگوریتم رتبهبندی صفحه PageRank برای رتبه بندی جملات سند پیشنهاد شدهاست که الگوریتمهای در حوزه خلاصهسازی چند سندی و الگوریتمهای LexRank و T-LexRank مثالهای معروفی هستند. در این ملاله، ما ابتدا به بررسی مفاهیم خلاصتهستازی میپردازیم، سپس به بررسی تاثیر بهبود الگوریتمهایRank کننده جملات و تاثیر استفاده و بهینهسازی الگوریتم T-LexRank برتری محسوس 2006 حداقل 5.5 درصد و در معیار ROUGE-SU 4 حداقل به میزان 3.3 در صد بهبود دا شته ا ست. همچنین با برر سی و ارزیابی نتایج ROUGE اینگونه برمیآید که سیستم پیشنهادی قابلیت مقایسه با سیستمهای شرکت کننده در 2006 DUC را دارد.

کلیدواژه ها:

خلاصه سازی متن T-LexRank معیار شباهت حساس به پرسش QSSM

نویسندگان

حامد رستم خانی

مهندس فناوری اطلاعات، دانشگاه ایلام

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 :
  • Chuang, W. T., & Yang, J. 2000. Extracting sentece segments ...
  • Kupiec, J., Pedersen, J. & Chen, F. 1995. A Trainable ...
  • Otterbacher, J., Erkan, G. & Radev, D. R. 2005. Using ...
  • Quinlan, R. 1993. C4.5. Programs for Machine Learning, Morgan Kaufmann ...
  • Salton, G. 1971, The SMART Retrieval Sys tem -Experiments in ...
  • Tan, P., Steinbach, M. & Kumar, V. 2006. Introduction to ...
  • Valizadeh, M. 2014. Improving the Performance of Text S ummarization ...
  • Wei, F, Li, W. Lu, Q. & He, Y. 2010. ...
  • نمایش کامل مراجع