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
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:
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
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/