یک روش وزندهی مبتنی بر موقعیت واژه جهت مشابهت سنجی اسناد
محل انتشار: دومین کنفرانس بین المللی وب پژوهی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 823
فایل این مقاله در 6 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IRANWEB02_012
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
اندازهگیری میزان شباهت اسناد موجود در وب، از آن جهت دارای اهمیت است که دربسیاری از زمینهها، مانند بازیابیاطلاعات، دستهبندی متون، خوشهبندی اسناد، سیستمهای تشخیص تقلب و سرقت ادبی، خلاصهسازی متون، و سایر حوزهها، نقش مهم و اساسی ایفا میکند. میزان درستی این تشخیص، میتواند کارایی، دقت و صحت هر یک از فرایندهای مذکور را بالا برد. در تمام روشهای مشابهتسنجی اسناد، اصول کار، تشخیص شباهت سندها بر مبنای شناخت دقیق ویژگیهای مشترک آنها است. از این رو بازنمود سند بر مبنای ویژگی های بارز آن بسیار با اهمیت است. روشهای مهم مشابهتسنجی اسناد، شامل مدلهای لغوی و معنایی مبتنی بر محتوا و مدلهای مبتنی بر ساختار صفحه است. در روشهای لغوی ،ویژگی اصلی یک سند، وزن واژههای آن است. بنابراین وزندهی صحیح واژه، میتواند یک گام موثر درنمایش دقیق ویژگیهای بارز اسناد باشد. در این مقاله، هدف اصلی، ارایه روشی بهبودیافته در وزندهی واژه، برای تعیین میزان شباهت لغوی اسناد متنی است. روش وزندهی پیشنهادی بر مبنای طرح TD - IDF و با تاکید بر اهمیت بیشتر واژههای خطوط ابتدایی اسناد، توانسته است، دقت و فراخوانی را در دستهبندی و میزان صحت را در خوشهبندی اسناد مجموعه TDT5افزایش دهد.
کلیدواژه ها:
نویسندگان
مریم اسدی لنگرودی
دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات ، گروه کامپیوتر، پردیس دانشگاه گیلان
سید ابوالقاسم میرروشندل
استادیار دانشگاه، گروه کامپیوتر دانشگاه گیلان
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 :