یک روش وزندهی مبتنی بر موقعیت واژه جهت مشابهت سنجی اسناد
عنوان مقاله: یک روش وزندهی مبتنی بر موقعیت واژه جهت مشابهت سنجی اسناد
شناسه ملی مقاله: IRANWEB02_012
منتشر شده در دومین کنفرانس بین المللی وب پژوهی در سال 1395
شناسه ملی مقاله: IRANWEB02_012
منتشر شده در دومین کنفرانس بین المللی وب پژوهی در سال 1395
مشخصات نویسندگان مقاله:
مریم اسدی لنگرودی - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات ، گروه کامپیوتر، پردیس دانشگاه گیلان
سید ابوالقاسم میرروشندل - استادیار دانشگاه، گروه کامپیوتر دانشگاه گیلان
خلاصه مقاله:
مریم اسدی لنگرودی - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات ، گروه کامپیوتر، پردیس دانشگاه گیلان
سید ابوالقاسم میرروشندل - استادیار دانشگاه، گروه کامپیوتر دانشگاه گیلان
اندازهگیری میزان شباهت اسناد موجود در وب، از آن جهت دارای اهمیت است که دربسیاری از زمینهها، مانند بازیابیاطلاعات، دستهبندی متون، خوشهبندی اسناد، سیستمهای تشخیص تقلب و سرقت ادبی، خلاصهسازی متون، و سایر حوزهها، نقش مهم و اساسی ایفا میکند. میزان درستی این تشخیص، میتواند کارایی، دقت و صحت هر یک از فرایندهای مذکور را بالا برد. در تمام روشهای مشابهتسنجی اسناد، اصول کار، تشخیص شباهت سندها بر مبنای شناخت دقیق ویژگیهای مشترک آنها است. از این رو بازنمود سند بر مبنای ویژگی های بارز آن بسیار با اهمیت است. روشهای مهم مشابهتسنجی اسناد، شامل مدلهای لغوی و معنایی مبتنی بر محتوا و مدلهای مبتنی بر ساختار صفحه است. در روشهای لغوی ،ویژگی اصلی یک سند، وزن واژههای آن است. بنابراین وزندهی صحیح واژه، میتواند یک گام موثر درنمایش دقیق ویژگیهای بارز اسناد باشد. در این مقاله، هدف اصلی، ارایه روشی بهبودیافته در وزندهی واژه، برای تعیین میزان شباهت لغوی اسناد متنی است. روش وزندهی پیشنهادی بر مبنای طرح TD - IDF و با تاکید بر اهمیت بیشتر واژههای خطوط ابتدایی اسناد، توانسته است، دقت و فراخوانی را در دستهبندی و میزان صحت را در خوشهبندی اسناد مجموعه TDT5افزایش دهد.
کلمات کلیدی: شباهت اسناد، معیار شباهت، وزندهی واژه، خوشهبندی اسناد، دستهبندی اسناد، بازیابیاطلاعات، شباهتسنجی لغوی، TD - IDF
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/481656/