مروری بر الگوریتم های تحلیل محتوا بر پایه شبکه های عصبی عمیق جهت مسائل پردازش متن

در طی دهه های اخیر بارشد روزافزون پایگاه داده ها در زمینه های مختلف از فعالیت های انسان باعث شده است که نیاز انسان به ابزار های جدید و قدرتمند، برای تغییر از داده ها به دانش مفید افزایش یابد. در چند سال گذشته مطالعات زیادی بر اساس استفاده از یادگیری عمیق برای مسائل مرتبط با پردازش متن و متن کاوی انجام شده است. ایده و روش متن کاوی یکی از زمینه های است که به دنبال استخراج اطلاعات مفید از داده های متنی بدون ساختار است. یادگیری عمیق، تکنیکی در یادگیری ماشین به شمار می رود. این نوع یادگیری توسط شبکه های عصبی انجام می شود که در سایر زمینه های مرتبط با فعالیت های تولید، پردازش و طبقه بندی متن نیز بکار می رود. تکنیک های یادگیری عمیق در مسائل طبقه بندی و انواع شبکه های عصبی موردنیاز، در این مقاله موردبحث و بررسی قرار گرفته است. در این پژوهش بررسی کاملی از مطالعات مختلف یادگیری عمیق با استفاده از شبکه های عصبی انجام شده است.۱۳۰ مقاله توسعه ای، مروری و کنفرانسی در سال های ۱۹۹۷ تا ۲۰۲۱ مورد بررسی قرار گرفته. نتایج ارائه شده در این مقاله روند تحقیقات در این زمینه را روشن می کند و همچنین باعث تمرکز بر مباحث جدید تحقیق می شود. در نهایت شبکه عصبی بازگشتی را پرکاربردترین شبکه در زمینه متن کاوی و در بحث یادگیری ماشین، ماشین بردار پشتیبان را معرفی می کند که بالاترین دقت را در بین الگوریتم ها به دست آورده اند.

Keywords:

پردازش زبان طبیعی , متن کاوی , شبکه عصبی بازگشتی , یادگیری ماشین , یادگیری عمیق , داده کاوی