بکارگیری تکنیکی از داده کاوی برای بهبود کارآیی سیستم های استخراج اطلاعات از متن

با رشد سریع حجم متون قابل دسترس به خصوص در شبکه ی جهانی اینترنت کار استخراج اطلاعات از متن اهمیت ویژه ای یافته است. خروجی سیستم استخراج اطلاعات، پایگاه داده ای از اطلعات موجود در متن می باشد. از طرفی تکنیک های داده کاوی این امکان را به ما می دهند که دانشی را به شکل مجموعه ای از قواعد از محتویات پایگاه داده و ارتباط بین آنها بدست آوریم. در این مقاله از تکنیک تولید قواعد تداعی گر در داده کاوی استفاده می کنیم. بدین منظور با استفاده از الگوریتم استاندارد C4.5RULES و اعمال ان بر روی خروجی سیستم استخراج اطلاعات، دانشی (مجموعه ی قواعد پیشگو) بدست می آوریم که از ان برای بالاتر بودن احتمال درستی اطلاعات استخراج شده، پیشگویی اطلاعات استخراج نشده و مقایسه بین قواعد استخراج اطلاعات استفاده می کنیم. در ادامه، طرحی برای معماری سیستم های استخراج اطلاعات پیشنهاد می کنیم تا بتوانند از این تکنیک برای بهبود کارایی شان استفاده کنند. سپس نتایج پیاده سازی این تکنیک را بر روی سیستم WHISK (یکی از سیستم های باز استخراج اطلاعات موجود) مورد ارزیابی قرار می دهیم.

Keywords:

استخراج اطلاعات از متن , داده کاوی , وب کاوی , استخراج دانش از پایگاه داده , معماری سیستم های استخراج اطلاعات از متن