CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

یک روش وزن‏‎دهی مبتنی بر موقعیت واژه جهت مشابهت سنجی اسناد

اعتبار موردنیاز PDF: ۱ WORD: ۳ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۴۵۸ | نظرات: ۰
سال انتشار: ۱۳۹۵
نوع ارائه: پوستر
کد COI مقاله: IRANWEB02_012
زبان مقاله: فارسی
حجم فایل: ۳۶۱.۰۳ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله یک روش وزن‏‎دهی مبتنی بر موقعیت واژه جهت مشابهت سنجی اسناد

  مریم اسدی لنگرودی - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات ، گروه کامپیوتر، پردیس دانشگاه گیلان
  سید ابوالقاسم میرروشندل - استادیار دانشگاه، گروه کامپیوتر دانشگاه گیلان

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.

کلیدواژه‌ها:

شباهت اسناد، معیار شباهت، وزن‎دهی واژه، خوشه‎بندی اسناد، دسته‎بندی اسناد، بازیابی‎اطلاعات، شباهت‎سنجی لغوی، TD - IDF

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-IRANWEB02-IRANWEB02_012.html
کد COI مقاله: IRANWEB02_012

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
اسدی لنگرودی, مریم و سید ابوالقاسم میرروشندل، ۱۳۹۵، یک روش وزن‏‎دهی مبتنی بر موقعیت واژه جهت مشابهت سنجی اسناد، دومین کنفرانس بین المللی وب پژوهی، تهران، دانشگاه علم و فرهنگ، https://www.civilica.com/Paper-IRANWEB02-IRANWEB02_012.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (اسدی لنگرودی, مریم و سید ابوالقاسم میرروشندل، ۱۳۹۵)
برای بار دوم به بعد: (اسدی لنگرودی و میرروشندل، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Singh, Jaskirat, and Mukesh Kumar. "A Meta Search Approach to ...
  • C ommunication and Control. Springer Berlin Heidelberg, 150-160, 2011. ...
  • Liu, Bing. "Information retrieval and Web search." Web Data Mining. ...
  • Roa-Valverde, Antonio J., and Miguel-Angel Sicilia. "A survey of approaches ...
  • Huang, Anna. "Similarity measures for text document clustering. "Proceedings of ...
  • (NZC SRSC2008), Christchurch, New Zealan. 2008. ...
  • Li, Yanjun, Congnan Luo, and Soon . Chung. "A parallel ...
  • Chim, Hung, and Xiaotie Deng. "Efficient phrase-based document similarity for ...
  • Gomaa, Wael H., and Aly A. Fahmy. "A survey of ...
  • Gipp, Bela. "Citation-based Document Similarity." Springer ...
  • Fachmedien Wiesbaden, 43-55, 2014. ...
  • Liu, Hongyan, et al. "Measuring similarity based on link information: ...
  • Zesch, Torsten, and Iryna Gurevych. "Wisdom of crowds versus wisdom ...
  • with Ontology-B ased, Customized, Extractive Text [11] Chahal, Premjeet, Monika ...
  • Machnik, Eukasz. "Documents Clustering Techniques." Annales UMCS Sectio AI Informatica ...
  • Huang, Faliang, et al. "Clustering web documents using [13] Hakim, ...
  • Zhang, Wen, Taketoshi Yoshida, and Xijin Tang. "A comparative study ...
  • Lan, Man, et a. "A comprehensive comparative study on term ...
  • Huynh, Minh Chau, Pham Duy Thanh Le, and Trong Hai ...
  • Wang, Xingheng, et al., , 2012), "Text clustering based _ ...
  • Wang, Xingheng, et al., , 2012), "Text clustering based _ ...
  • Xia, Tian, et al, (2012), "An improved Global Weight Function ...
  • statistics.", Information Science and Contro] Engineering 2012 (ICISCE 2012), IET ...
  • Handojo, Andreas, Adi Wibowo, and Yovita Ria. "Document Searching Engine ...
  • Zhang, Wen, Taketoshi Yoshida, and Xijin Tang. "A comparative study ...
  • Hakim, Ari Aulia, et al. "Automated document clas sification for ...
  • Yoo, Jong-Yeol, and Dongmin Yang. "Classification Scheme of Unstructured Text ...
  • Lin, Yung-Shen, Jung-Yi Jiang, and Shie-Jue Lee "A similarity measure ...
  • Krishna, RVV Murali, and Ch Satyananda Reddy. "Extractive Text S ...
  • Kallimani, Jagadish S., K. G. Srinivasa, and B. Eswar Reddy. ...
  • Summary and Word Scoring." Cybernetics and Information Technologies 12.2: 34-50, ...
  • Osman, Ahmed Hamza, et al. "An improved plagiarism detection scheme ...
  • Kumar, Jayant, Peng Ye, and David Doermann. "Learning document structure ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۱۰۵۳
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.