معرفی روشی ترکیبی بر مبنای هستان شناسی برای رتبه بندی اسناد
Publish place: 11th Annual Conference of Computer Society of Iran
Publish Year: 1384
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,374
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI11_028
تاریخ نمایه سازی: 5 آذر 1390
Abstract:
با گسترش روز افزون شبکه جهانی اینترنت و افزایش حجم اطلاعات ، نیاز به توسعه رو ش هایی برای بازیابی خودکار اسناد و رتبه بندی آنها براساس میزان ارتباط با پرس و جوی کاربر مشهود است . رتبه بندی اسناد یکی از زیر شاخ ههای بازیابی اطلاعات است که در آن پرس و جوی کاربر و اسناد به طو ر جداگانه پردازش و سپس اطلاعات استخراج شده از آنها با هم مورد مقایسه قرار می گیرند و به مرتبط ترین سند رتبه بالاتری تخصیص داده می شود.در این مقاله پس از بررسی اجمالی مدل های رتبه بندی، روشی جدید، مبتنی بر هستان شناسی برای رتبه بندی اسنادHTML پیشنهاد و نت ا یج ارزیابی آن در حالت های مختلف ارائه می گردد. در مدل پیشنهادی به منظور برقراری توازن بین دو معیار سرعت و دقت، از ترکیب تکنیک های مفهومی، آماری و پردازش زبان طبیعی استفاده م ی شود. در این مدل، از پردازش مفهومی مبتنی بر هستا ن شناسی جهت برچسب گذاری اسناد و گس ترش پرس و جو، و از تکنی کهای پردازش زبان طبیعی برای استخراج عبارات سند و پرس و جو و ریشه یابی آنها استفاده می شود. همچنین از روش های آماری برای پردازش سند برچسب خورده و پردازش پرس و جوی گسترش یافته و محاسبه میزان ارتباط میان آنها بهره گرفته می شود برای بخ ش پردازش مفهومی تغییراتی در الگوریتم SA اعمال شده که بر اساس آن عمل گسترش می تواند در جنبه های مختلف و به صورت منعطف صورت پذیرد . در بخش پردازش آماری، روش مورد استفاده مشابه مدل فضای بردار است که به جهت متغیر و منعطف بودن تعداد ابعاد بر روش اولیه برتری دارد . نکته بدیع دیگر این روش استخراج عبارات سند و پرس و جو با استفاده از هستا ن شناسی و رتبه بندی اسنادبر اساس مفاهیم معادل عبارات پرس و جو می باشد
Keywords:
رتبه بندی اسناد , هستان شناسی , بازیابی اطلاعات الگوریتم فعال سازی گسترشSA) برچسب گذاری , مدل فضای بردار
Authors
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :