کاربرد زنجیره مارکوف در ارزیابی و شناسایی شباهت دو فایل متنی
Publish place: National Conference on Application of Intelligent Systems (soft computing) in Science and Technology
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 3,499
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
AISST01_038
Index date: 27 July 2013
کاربرد زنجیره مارکوف در ارزیابی و شناسایی شباهت دو فایل متنی abstract
در ایم مقاله پژوهشی هدف مقایسه و ارزیابی و محاسبه درصد شباهت دو فایل از نوع متنی با استفاده از زنجیره های مارکوف بررسی می شود که روش بکار گرفته شده تازه و ایده ای است. متد و راه حل کلی شباهت و ارزیابی دو فایل متنی بدین صورت است که از هر فایل یک بردار شاخص استخراج می گردد، سپس با ادغام دو برداری شاخص، بردار شاخص مرجع یا اصلی ایجاد گردد. با استفاده از بردار شاخص مرجع برای هر فایل یک ماتریس گذار ایجاد می شود. نهایتا با مقایسه و بررسی دو ماتریس گذار تفاوت هر دو فایل تعیین شده و درصد شباهت آنها محاسبه می گردد. دقت و صحت و درصد شباهت این روش و متد بسیار بالا می باشد و تمام کاراکترهای مورد استفاده در هر فایل ( از جمله Space و Enter و Tab ....) در مقایسه در نظر گرفته می شوند.
کاربرد زنجیره مارکوف در ارزیابی و شناسایی شباهت دو فایل متنی Keywords:
ادغام فایل , زنجیره مارکوف , مقایسه فایل های متنی , بردار شاخص , ماتریس گذار , Bigram N-gram کاراکتر
کاربرد زنجیره مارکوف در ارزیابی و شناسایی شباهت دو فایل متنی authors
ولی الله سرلک
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، هوش مصنوعی، دانشگاه بین الم
میترا گودرزی
کارشناس مهندسی فناوری اطلاعات، دانشگاه پیام نور الیگودرز
میر مرسل مدنی
عضو هیئت علمی دانشگاه آزاد اسلامی واحد گرگان مرکز کردکوی
سپیده سلطانی فهرج
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، هوش مصنوعی، دانشگاه بین الم
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 :