پایان‌نامه

طبقه بندی موضوعی اسناد با استفاده از رویکرد هسته

دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است

چکیده

طبقه بندی اسنادltrfootnote{text classification, text categorization} عبارت است از نسبت دادن یک سند به یک یا چند موضوع از پیش تعیین شده. در سال های اخیر تولید اسناد متنی دیجیتال با یک رشد نمایی مواجه بوده است، به همین دلیل لزوم طبقه بندی صحیح آن ها برای دسترسی بهتر امری ضروری به نظر می رسد. کاربرد طبقه بندی اسناد می توان بسیار متنوع باشد، طبقه بندی صفحات وب، متون علمی، اخبار، رایانامه، کتاب و ... جستجو برای یک عبارت در google اکنون به چیزی فراتر از یک واقعیت تبدیل شده است. در آینده? نزدیک با پیشرفت روش های طبقه بندی اسناد، نحوه? دسترسی مردم به اطلاعات به نحوی شگرفی تغییر خواهد کرد. طبقه بندی اسناد شامل یک مدل یادگیرنده برای مجموعه ای از کلاس ها و بکار بردن آن ها برای اسناد جدید و انتساب یک کلاس به آن ها می باشد. این امر اکثراً یک کار آموزشی به همراه یک مربی می باشد. به این صورت که یک مجموعه? آموزشی اولیه که شامل تعداد سند و موضوعات از پیش تعیین شده می باشد، به عنوان ورودی به سیستم داده می شود. سپس سیستم برای شناسایی موضوع سایر اسناد آموزش داده می شود. این مراحل شامل پیش پردازش (نمایش سند، کاهش ابعاد و استخراج ویژگی ها) و مراحل آموزش و آزمایش می باشد. عموماً مرحله? پیش پردازش شامل ??? زمان و تلا ش های محاسباتی می شود. با توجه به اینکه روش های مبتنی بر هسته قابلیت های زیادی از خود نشان داده اند، توسعه? یک روش مبتنی بر رویکرد هسته برای زبان فارسی مد نظر قرار داده شد. طبقه بندی متون زبان فارسی به دلیل پیچیدگی ها و مشکلاتی که دارد (اکثر این مشکلات متوجه زبان فارسی نبوده و از آگاهی کم افراد ناشی می شود)، کاری دشوار می باشد. برای انجام طبقه بندی یک سری پیش نیازهایی وجود دارد (همانند سایر زبان ها)، مثلاً وجود یک فهرست از کلمات ایست (همانند فهرست های متنوعی که برای زبان انگلیسی وجود دارد)، وجود یک روش استاندار و قابل قبول برای ریشه یابی (همانطور که زبان انگلیسی وجود دارد). متأسفانه علی رغم اینکه کارهای تحقیقاتی زیادی در این حوزه صورت گرفته است، ولی به دلیل منسجم نبودن کارها و عدم حمایت از سوی یک نهاد واحد، تلاش ها آن طور که شایسه و بایسته است به ثمر ننشسته است و این مسأله انجام کارهایی را که مراحل ذکر شده به عنوان سنگ بنای آن می باشد، دشوارتر نموده است. نگارنده علی رغم پیگیری ها و تماس های مکرری که با فرهنگستان زبان و ادب فارسی داشته است، موفق به جلب نظر آن ها برای همکاری در این پروژه نشده است. حتی اجازه? دسترسی به نتایج تحقیقات گذشته نیز به راحتی مقدور و میسر نبوده است. با توجه به همه? مشکلاتی که برشمرده شد، در نهایت یک روش مبتنی بر هسته برای طبقه بندی متون دیجیتال فارسی توسعه داده شد. متأسفانه به دلیل نبود یک روش و مجموعه? استاندارد (همانند نمونه هایی که برای زبان انگلیسی وجود دارد)، امکان مقایسه? این روش با سایر روش های موجود برای زبان فارسی به صورت کامل محیا نشد. البته تا جایی که مقدور بوده است، از روش های استاندارد ارزیابی استفاده شده است. انجام آزمایش ها با استفاده از متون انتخابی از اخبار خبرگزاری جمهوری اسلامی انجام پذیرفته است (البته آموزش های سیستم نیز با استفاده از بخشی از این اسناد انجام گرفته است).

اساتید راهنما و مشاور

محمدرضا فیضی درخشی، لیلی محمدخانلی

شکل‌ها (۱)

  • شکل، صفحه‌ی ۱۶
    صفحه‌ی ۱۶

شکل‌ها از متن کامل مقاله برداشته شده‌اند و حقوقشان از آنِ نویسندگان و ناشر است.

پایان‌نامه‌های مشابه

  • طبقه بندی موضوعی اصطلاحات پربسامد فارسی در فیلم های منتخب جشنواره فجر در ده سال اخیر

    پایان‌نامه۲۰۱۵وزارت علوم، تحقیقات و فناوری - دانشگاه محقق اردبیلی - دانشکده ادبیات و زبانهای خارجیاعظم داودی

    طبقه بندی موضوعی اصطلاحات، عبارت است از نسبت دادن یک اصطلاح به یک یا چند موضوع از پیش تعیین شده و اصطلاحات پربسامد اصطلاحاتی هستند که رخداد آن ها در متون گفتاری یا نوشتاری بیشتر از سایر اصطلاحات است. در زبان فارسی در زمینه ی تعیین اصطلاحات پربسامد در متون گفتاری تحقیقات اندکی انج

  • بررسی تاثیر خطاهای نظام مند موجود در طبقه بندی موضوعی isi بر حجم تولیدات علمی و میزان رویت پذیری رشته ها

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده روانشناسی و علوم تربیتیحمیدرضا کیانی

    این پژوهش با استفاده از روش علم سنجی در پی بررسی ساختار طبقه بندی رشته ها و همپوشانی آن ها در طبقه بندی موضوعی isi، به منظور شناسایی خطاهای نظام مند ناشی از آن در مطالعات علم سنجی است. جامع? پژوهش کلیّ? مقالات نمایه شده در پایگاه وب آو ساینس در سال 2007 به عنوان سال پایه به همراه

  • ارائه چارچوبی برای بخش بندی بازارهای الکترونیکی و طبقه بندی مشتریان با استفاده از مدل سازی و داده کاوی

    پایان‌نامه۲۰۱۳وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده علوم اداری و اقتصادبهرام ایزدی

    دو چالش عمده ی بنگاه ها «حفظ و نگهداری مشتریان فعلی» و «جذب مشتریان جدید» برای مواجهه با شرایط عدم اطمینان و کسب سهم بیشتر بازار به عنوان یک شاخص مهم مزیت رقابتی است. بخش بندی بازار به منظور شناخت هر چه بیشتر نیازها و خواسته های مشتریان از دیرباز یک گام اساسی برای ارایه خدمات بهت

  • طبقه بندی دودویی با استفاده از شبکه های عصبی مصنوعی

    پایان‌نامه۲۰۱۴وزارت علوم، تحقیقات و فناوری - دانشگاه علوم پایه دامغان - دانشکده علوم پایه دامغانقاسم عبیداوی

    یکی از علوم جدیدی که توجه ویژه به آن شده است علم داد‏ه کاوی است. این علم بانک های اطلاعاتی و مجموعه های حجیم داده ها را مورد بررسی قرار می دهد. هدف داده کاوی کشف، استخراج دانش و تحلیل داده ها است. یکی از شاخه های علم داده کاوی، طبقه بندی می باشد. هدف طبقه بندی افراز مجموعه ی داده

  • بهبود طبقه بندی متن با استفاده از روش های ترکیب

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه کردستان - دانشکده مهندسیعلی دانش

    با توجه به گسترش اینترنت و افزایش چشمگیر حجم مطالب متنی، ابزارها و روش های خودکار برای مدیریت اسناد و مطالب متنی، مورد توجه بسیار زیادی قرار گرفته اند. از جمله ی این ابزارها می توان به طبقه بند متن اشاره کرد که می تواند در این زمینه بسیار موثر باشد. این ابزار کاربردهای فراوانی در

  • طبقه بندی فازی با استفاده از تحلیل پوششی داده ها

    پایان‌نامه۲۰۱۳وزارت علوم، تحقیقات و فناوری - دانشگاه سیستان و بلوچستان - دانشکده ریاضیملک محمد دهواری

    چکیده امروزه در دنیا، با حجم عظیمی از داده ها واطلاعات مواجه هستیم که بنا به ضرورت جهت بهره برداری بهتر وسریعتر نیازمند به دسته بندی وطبقه بندی آنها می باشیم. برای انجام عمل طبقه بندی روش های مختلفی موجود است که یکی از متداول ترین روشها، روش طبقه بندی فازی با استفاده از تحلیل پوش

اسناد مشابه