CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

شباهت سنجی لغوی در وب گاه های تخصصی فارسی به کمک سیستم نروفازی

اعتبار موردنیاز PDF: ۱ WORD: ۳ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۲۸۷ | نظرات: ۰
سال انتشار: ۱۳۹۵
نوع ارائه: شفاهی
کد COI مقاله: IRANWEB02_051
زبان مقاله: فارسی
حجم فایل: ۳۶۷.۰۵ کیلوبایت (فایل این مقاله در ۷ 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 ۷ 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 شباهت سنجی لغوی در وب گاه های تخصصی فارسی به کمک سیستم نروفازی

  حمید آهنگربهان - دانشجوی دکتری مهندسی فناوری اطلاعات،دانشگاه تربیت مدرس
    غلامعلی منتظر - دانشیار مهندسی فناوری اطلاعات،دانشگاه تربیت مدرس

چکیده مقاله:

تاکنون روش های مختلفی برای تشخیص شباهت دو متن ارائه شده که کارایی آنها به محتوای متن و منابع مورد استفاده برای مقایسه بین واژه های آنها محدود بوده و هیچگونه تطبیقی با داده مورد بررسی نداشته اند به طوری که نیاز به آموزش سنجه با توجه به متن مورد بررسی به خصوص در متون تخصصی فارسی احساس می گردد. در این مقاله روشی ارائه شده است که با توجه به کیفی و ناکامل بودن عوامل اثرگذار بر سنجش شباهت لغوی بین دو متن تخصصی و همچنین نیازمندی به آموزش سنجه، از استنتاج نروفازی که قابلیت یادگیری از داده آموزشی را دارد، استفاده می کند. این روش، جمله های موجود را به دو بخش عمومی و تخصصی تقسیم کرده و سپس با استفاده از سیستم استنتاج نروفازی و پس از یادگیری از طریق داده آموزش، میزان شباهت بین جمله ها را در دو بخش محاسبه و سپس با هم ترکیب کرده و در نهایت شباهت بین دو جمله ارزیابی می شود. روش مذکور بر روی بخش آزمون پیکره مقاله های حوزه یادگیری الکترونیکی (پیکره همیافت) مورد ارزیابی قرار گرفته که با دقت بیش از 82% امکان شناسایی زوج جمله ها مشابه را داراست.

کلیدواژه‌ها:

شباهت سنجی لغوی، روش نروفازی، سنجه شباهت سنجی یادگیر، متون تخصصی فارسی، پیکره همیافت، انفیس

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_051.html
کد COI مقاله: IRANWEB02_051

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:
آهنگربهان, حمید و غلامعلی منتظر، ۱۳۹۵، شباهت سنجی لغوی در وب گاه های تخصصی فارسی به کمک سیستم نروفازی، دومین کنفرانس بین المللی وب پژوهی، تهران، دانشگاه علم و فرهنگ، https://www.civilica.com/Paper-IRANWEB02-IRANWEB02_051.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: (آهنگربهان, حمید و غلامعلی منتظر، ۱۳۹۵)
برای بار دوم به بعد: (آهنگربهان و منتظر، 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 :

  • مدل سازی عدم قطعیت در سنجش شباهت لغوی محتوای منابع وب فارسی [مقاله کنفرانسی]
  • کاوش استفاده از وب با استفاده از کلونی مورچه ها [مقاله کنفرانسی]
  • داده کاوی استفاده از وب با استفاده از اتوماتای یادگیر توزیع شده [مقاله کنفرانسی]
  • Osman, Ahmed Hamza, Naomie Salim, Mohammed Salem Binwahlan, Rihab Alteeb, ...
  • S. Alzahrani, N. Salim, A. Abraham, Understanding plagiarism linguistic pat-terns, ...
  • El-Alfy, El-Sayed M., Radwan E. Abdel-Aal, Wasfi G. A-Khatib, and ...
  • Bilenko Mikhail and Mooney Raymond J. Adaptive Duplicate Detection Using ...
  • Androuts opoulos , Ion, and Prodromos Malakasioti. "A survey of ...
  • B arron-Cedeio, Alberto, and Paolo Rosso. "On automati plagiarism detection ...
  • A. Rajkumar and A. Chitra, "Paraphrase recognition using neural network ...
  • Finch, A., and H, Y.S., and Sumita, E, (2005). Using ...
  • Wan, S., Dras, M., Dale, R., and Paris, C. (2006). ...
  • Zanzotto, F. M., & Dell Arciprete, L. (2009). Efficient kernels ...
  • Oroumchian, Farhad, and Firooz M. Garamalek. An evaluation of retrieval ...
  • Nayyeri, Amir, and Farhad Oroumchian. "Fufair: a fuzzy farsi information ...
  • Zamanifar, Kamran, et al. "A new approach for semantic web ...
  • Abraham, Ajith. "Adaptation of fuzzy inference system using neural learning." ...
  • Nauck, Detlef, Frank Klawonn, and Rudolf Kruse. Foundations of neuro-fuzzy ...
  • Metzler, D. , Bernstein, Y. , Croft, W. B. , ...
  • Saric, Frane, _ "Takelab: _ for measuring semantic text similarity." ...
  • Rohit Gupta, Hanna Bechara, Ismai] El Maarouf, and Constantin Orasan. ...
  • Rada, Mihalcea, Courtney Corley, and Carlo Strapparava. _ _ "Corpus-based ...
  • Anna. Huang, ۲۰۰۸. "Similarity measureه for text document clustering." In ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۲۵۲۶۸
    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.