دسته بندی متون فارسی با استفاده از روش آنالیز معنایی پنهان احتمالاتی
Publish place: National Conference on Application of Intelligent Systems (soft computing) in Science and Technology
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,665
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
AISST01_076
Index date: 27 July 2013
دسته بندی متون فارسی با استفاده از روش آنالیز معنایی پنهان احتمالاتی abstract
دسته بندی موضوعی، محتمل ترین موضوعی که محتوای متن بدان اشاره دارد را مشخص می کند. برای نیل به این هدف، در مقاله حاضر با استفاده از روش آنالیز معنایی پنهان احتمالاتی که بر پایه روش آنالیز معنایی پنهان پایه گذاری شده است و از مبانی احتمالات و قوانین بیزین استفاده می کند، برای عملیات دسته بندی متون فارسی که از پایگاه داده همشهری تهیه شده است و با استفاده از روش فاصله یابی اقلیدسی در فضای ماتریس های کاهش بعد یافته دست آمده از روش فوق بهره گرفته شده است. همچنین از روش TF-IDF جهت تهیه کلمات کلیدی موجود در مجموعه متون مورد استفاده ، به کار گرفته شده است. در مرحله هرس، علاوه بر کلمات دستوری مانند حروف اضافه و ربط، کلمات کلیدی زاید نیز به صورت دستی حذف می شوند. پس از مشخص شدن کلمات کلیدی تمام متون پیمایش شده و برای هر متن یک بردار تهیه شده و ماتریس ورودی مربوط به روش آنالیز معنایی پنهان احتمالاتی فراهم می آید. پس از اعمال روش بر روی داده های آموزش و داده های آزمون ، بردارهای حاصل را با بردار های مرحله آموزش مقایسه کرده، برداری که کمترین فاصله را با بردار متن مرحله آموزش دارد، بر چسب دسته مربوط به متن را مشخص یم نماید. نتایج حاصل شده در این مقاله نشان میدهد که روش بکار رفته در بهبود عملکرد سیستم نقش موثری دارد.
دسته بندی متون فارسی با استفاده از روش آنالیز معنایی پنهان احتمالاتی Keywords:
دسته بندی متون فارسی با استفاده از روش آنالیز معنایی پنهان احتمالاتی authors
محسن زمانی
دانشجوی کارشناسی ارشد علوم و تحقیقات بوشهر
روح الله دیانت
عضو هیئت علمی دانشگاه قم
مهدی صادق زاده
عضو هیئت علمی دانشگاه آزاد اسلامی واحد ماهشهر
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 :