CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

گواهی نمایه سازی مقاله کاهش شکاف معنایی در دسته بندی پرسش ها با بهره گیری از قوانین طبقه بندی

عنوان مقاله: کاهش شکاف معنایی در دسته بندی پرسش ها با بهره گیری از قوانین طبقه بندی
شناسه (COI) مقاله: JR_TJEE-46-3_002
منتشر شده در فصلنامه مهندسی برق دانشگاه تبریز در سال ۱۳۹۵
مشخصات نویسندگان مقاله:

سیده زهرا آفتابی - دانشجو، دانشکده مهندسی برق و کامپیوتر - دانشگاه یزد - یزد - ایران
محمدعلی زارع چاهوکی - استادیار، دانشکده مهندسی برق و کامپیوتر - دانشگاه یزد - یزد - ایران

خلاصه مقاله:
دسته بندی پرسش ها یکی از مولفه های حیاتی سیستم های بازیابی اطلاعات و پاسخگویی به پرسش است. هدف از دسته بندی پرسش،شناسایی دقیق نوع پاسخ موردانتظار آن و انتساب برچسبی به آن مطابق با دسته ای است که پرسش در آن قرار می گیرد. تاکنون با دو رویکرد مبتنیبر قانون و یادگیری ماشین، پژوهش های متعددی در این حوزه صورت پذیرفته است. هدف ما در این پژوهش تلفیق نتایج این دو رویکرد به منظورافزایش صحت دسته بندی است. نوآوری اصلی ارایه شده در این پژوهش، غنی سازی بردار ویژگی کیسه کلمات حاصل از پرسش ها با قوانیندسته بندی است. اهمیت روش تلفیق ارایه شده در این مقاله امکان استفاده از مخازن قوانین با ساختار طبقه بندی متفاوت نسبت به ساختار موجودبرای دسته بندی پرسش ها است. نتایج حاصل از پیاده سازی روش پیشنهادی بر دادگان UIUC بیانگر موثر بودن روش پیشنهادی در بهبود صحت دسته بندی پرسش ها است.

کلمات کلیدی:
دسته بندی پرسش، رویکرد مبتنی بر قانون، رویکرد مبتنی بر یادگیری ماشین، رویکرد ترکیبی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://www.civilica.com/Paper-JR_TJEE-JR_TJEE-46-3_002.html