ارزیابی کارایی روش مبتنی بر مدل شی سند در استخراج متون اصلی اخبار فارسی
محل انتشار: هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 747
فایل این مقاله در 7 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:
ICIKT07_195
تاریخ نمایه سازی: 22 مهر 1394
چکیده مقاله:
استخراج محتوای با کیفیت بالا، از صفحات خبری وب برای بسیاری از برنامه های کاربردی مانند بازیابی اطلاعات، طبقه بندی خودکار متن، ردیابی موضوع، ترجمه ماشین، خلاصه سازی چکیده و کمک به کاربران گوشی های تلفن همراه برای دسترسی آسان به اطلاعات، بسیار مهم است. نتایج استخراج داده اصلی برای بیشتر تجزیه و تحلیل ها حائز اهمیت می باشد. هدف مورد نظر در این تحقیق استخراج محتوا از صفحات فارسی وب می باشد در نتیجه باید از روشی استفاده شود که انعطاف پذیر و مستقل از گرامر متن صفحات وب بوده و مشکلات ناشی از تغییر ساختار صفحات وب را بطور قابل توجهی برطرف نماید و در عین حال وابستگی به زبان خاصی نداشته باشد. روش مورد استفاده ، یک روش تمام اتوماتیک و ساده و موثر برای استخراج محتوا از صفحات فارسی خبری وب می باشد. ایده اصلی آن بر اساس استفاده از ویژگی های مهم درخت مدل شیء سند و مقایسه علائم نقطه گذاری در متن اصلی و نویزها (مانند تبلیغات، لینکها، خبرهای مرتبط) است. نتایج حاصل از این تحقیق نشان می دهد که این روش، متن اصلی صفحات خبری وب را با دقت بالایی استخراج می کند.
کلیدواژه ها:
نویسندگان
مریم شریفی یزدی
دانشجوی کارشناسی ارشد، گروه کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد میبد، میبد، ایران
محمد جواد کارگر
عضو هیات علمی، گروه کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد میبد، میبد، ایران
محمد رضا ملاخلیلی میبدی
عضو هیات علمی، گروه کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد میبد، میبد، 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 :