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

مروری بر طبقه بندی متون فارسی و انگلیسی و راهکارهای آن با رویکرد یادگیری عمیق

عنوان مقاله: مروری بر طبقه بندی متون فارسی و انگلیسی و راهکارهای آن با رویکرد یادگیری عمیق
شناسه ملی مقاله: DMECONF08_222
منتشر شده در هشتمین کنفرانس بین المللی دانش و فناوری مهندسی برق مکانیک و کامپیوتر ایران در سال 1401
مشخصات نویسندگان مقاله:

علی اکبر اسدی - دانشجوی کارشناسی ارشد کامپیوتر، نرم افزار، دانشگاه جامع امام حسین(ع)، تهران
مهدی نقوی - استادیار دانشکده کامپیوتر، نرم افزار، دانشگاه جامع امام حسین(ع)، تهران

خلاصه مقاله:
طبقه بندی متن یکی از اساسی ترین کارهای مبنایی در حوزه پردازش زبان طبیعی است که برای به دست آوردن بینش در مورد اطلاعات متنی و سازماندهی آنها استفاده می شود. لزوم دسته بندی دادهها و استخراج اطلاعات مفید از آنها برای بالابردن عملکرد هر مجموعه ای ضروری است . بنابراین همواره روشهای گوناگونی در طبقه بندی متن توسط پژوهشگران برای یافتن شیوهای نوین برای بهبود عملکرد روشهای قبلی ، مورد بررسی و ارزیابی قرار می گیرد. روشهای مبتنی بر یادگیری عمیق به دلیل استخراج خودکار ویژگی ها بهتر از روشهای سنتی یادگیری ماشین عملکرده است . شبکه های بازگشتی و شبکه های کانولوشنال در یادگیری عمیق دارای کاربرد بیشتری هستند. در این پژوهش مروری بر طبقه بندی متن با استفاده از شبکه های یاد شده و راهکارهای مختلف ترکیبی و ساختاری مورد استفاده توسط پژوهشگران در متون فارسی و انگلیسی کرده ایم .

کلمات کلیدی:
طبقه بندی متن ، یادگیری عمیق ، رویکرد ترکیبی ، LSTM، CNN

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1637918/