تشخیص درک موضوع متون فارسی با استفاده از روش زنجیره مارکوف
Publish place: 3rd International Conference on Applied Research in Computer Engineering and Information Technology
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,189
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCONF03_022
تاریخ نمایه سازی: 12 تیر 1395
Abstract:
باتوجه به توسعه فناوری های نوین و کاربردی شدن آنها ها در عرصه های تولید اطلاعات ؛ لزوم استخراج و ساماندهی اطلاعات؛ تشخیص و درک اولیه محتوای اسنادی تولیدی و دسته بندی خودکار آنها همچنین کنترل و نظارت ضروری است. صرف وقت فراوان برای تجمیع نظر کارشناسان درارتباط با انطباق موضوع طرح با اهداف مشخص شده وعدم دسترسی به درصد واقعی میزان پرداختن به موضوعات مورد انتظار از مواردی است که همواره چالش برانگیز بوده است دراین مقاله براساس الگوریتم های یادگیری ماشین؛ هوش مصنوعی و روشهای من کاوی؛ مدلی برای طبقه بندی موضوعی محتوای طرح ها و منابع متنی تولید با تقسیم آن به قطعات بیشتر از یک جمله و کمتر از یک متن با استفاده از مارکوف؛ شبکه عصبی و روشهای نایویبز محاسبه شده است. هدف اصلی برری و ارائه مدل چندگانه طبقه بندی و درک دقیق موضوع متون براساس تلفیق مدلهای بیزی n - نگاشت مارکوف و بکارگیری خروجی آن در شبکه عصبی و نیز ارائه روشهای استخراج اطلاعات است.
Keywords:
Authors
تمنا دربندی فراهانی
کارشناسی ارشد سیستمهای هوشمند؛ دانشگاه صنعتی امیرکبیر سازمان صدا سیمای جمهوری اسلامی ایران
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 :