تشخیص عنوان پاراگراف در متون فارسی

امروزه منابع خبری مختلف و شبکه های اجتماعی متنوع حاوی اطلاعات مفید زیادی هستند.تشخیص عنوان یکی از شاخه های متن کاوی است که به تکنیک های خودکار جهت پیداکردنمفاهیم به هم وابسته و یافتن ارتباط موضوعی در جریانی از داده ها اشاره دارد. به بیان دیگر،تشخیص عنوان یکی از موارد کاربرد سیستم طبقه بندی خودکار متون می باشد که به تکنیک هایخودکار جهت پیدا کردن مفاهیم به هم وابسته و یافتن ارتباط موضوعی در جریانی از داده ها اشارهدارد. در این پژوهش هدف تشخیص عنوان در یک پاراگراف در متون فارسی است. جهت انجام اینکار در مرحله نخست پیش پردازش بر روی مجموعه داده ها صورت می پذیرد. پاراگراف ها مشخص،اسناد یکسان سازی، کلمات از هم جدا می شوند. سپس با استفاده از یک دیکشنری، کلمات عمومیاز اسناد حذف می شوند. با استفاده از وزن دهی کلمات کلیدی مشخص می شوند. در این مرحله، متنبه صورت برداری از ویژگی های مهم درآمده است که به عنوان ورودی به دسته بندها داده می شود.هر کدام از دسته ها معرف عناوین سندها می باشند. روش پیشنهادی با استفاده از دسته بندی با ناظراست و بر روی داده های حقیقی آزمایش شده است. نتایج حاکی از کارایی مناسب الگوریتمپیشنهادی می باشد.

Keywords:

متن کاوی , تشخیص عنوان , دسته بندی , پاراگراف