بکارگیری شیوه های آماری و تصمیم گیری چند معیاره در استخراج عبارات کلیدی از صفحات خبری وب پارسی

متون خبری از حوزه های مهم سیستم های بازیابی اطلاعات به شمار می روند؛ و پردازش متن و استخراج اطلاعات از آنها ضروری است. این کار، عموما از طریق عبارات کلیدی متون، که مهمترین ویژگی آنهاست، صورت می گیرد. در مقاله حاضر، 18 شیوه ی آماری، و هفت شیوه ی تصمیم گیری چند معیاره (به منظور تجمیع نتایج حاصل از شیوه های آماری)، برای اولین بار در استخراج خودکار کلمات کلیدی از اخبار وب پارسی، مورد مقایسه و ارزیابی قرار گرفته اند. نتایج نشان می دهد که شیوه های آماری تخمین احتمال حداکثر¹ و KLD ² به ترتیب دارای بالاترین کارآیی هستند. به علاوه، الگوریتم تصمیم گیری چند معیاره رگرسیون منطقی³ در مقایسه با سایر الگوریتم ها عملکرد بهتری داشته است. دادگان مورد آزمایش، مجموعه ای از اخبار پارسی وب (از خبرگزاری های مختلف)هستند، که عبارات کلیدی آنها پس از طی مراحل آماده سازی و پیش پردازش متنی، با بکارگیری شیوه های آماری و تصمیم گیری چند معیاره، به صورت خودکار استخراج شده، و عملکرد هر یک از این شیوه ها بدین ترتیب سنجیده شده است.

کلیدواژه ها:

استخراج خودکار عبارات کلیدی ، اخبار وب پارسی ، شیوه های آماری ، تصمیم گیری چند معیاره