ارزیابی پارامترهای مؤثر و میزان تاثیر آنها در سیستم های خلاصه سازی با استفاده از شبکه عصبی

با توجه به افزا یش حجم مستندات متنی، برای پاسخگویی به نیازهای اطلاعاتی کاربران، تکنیک های بازیابی اطلاعات به تنهایی کارا نیستند. مطالعه حجم زیاد متون برای کاربران بسیار سخت و زمانگیر است و دراختیار داشتن خلاصه ای از مطالب مهم برای آنها، می تواندبسیار مفید باشد . خلاصه ساز ی متون باعث استفاده از منابع ومستندات بیشتر با سرعت بالاتر و در نتیجه به دست آمدن اطلاعات با ارزش تر می شود . لذا امروزه استفاده از سیستم های خلاصه ساز ازاهمیت زیادی برخوردار است.برای خلاصه سازی سه نگرش وجود دارد : نگرش سطحی و نگرش عمیق تر و نگرشی که ترکی بی از این دو است . در نگرش سطحی خلاصه تولید شده شامل جملاتی است که تنها از متون استخراج شده است در حالیکه در نگرش عمیق تر جمله ها برگرفته از متون اولیههستند. از آنجا که طراحی سیستم هایی که خلاصه ای با کیفیتی مشابه با خلاصه انسانی تولید کنند کار دشواری است محققان ازتکنیک های استخراج جمله استفاده می کنند که یک نوع از خلاصهسازی می باشد.برای انتخاب جمله ها از متن اولیه پارامترهایی برای هر جمله تعریف می شود . در بررسی های به عمل آمده در گذشته اهمیت این پارامترها در استخراج جمله یکسان در نظر گرفته می شده است . حال آنکه ممکن است تاثیر یکی از دیگری در متون مختلف متفاوت باشد. هدف ما در این تحقیق ارائه روشی برای تعیین اهمیت هر یک از این پارامترها در انتخاب جملات می باشد . شبکه عصبی روشی است که می توان برای این امر از آن استفاده کرد . همچنین می توان با استفاده از شبکه عصبی دریافت که جملات انتخابی چه ویژگیهایی باید داشته باشند . با آموزش شبکه عصبی پارامترها و میزان اهمیت آنها در انتخاب جملاتی که باید در خلاصه باشند تعیین می شود.

Keywords:

خلاصه سازی متن , استخراج جمله , شبکه عصبی پیشرو , الگوریتم . پس انتشار خطا