ارائه الگوریتمی کارآمد برای استخراج روابط معنایی در مستندات، مبتنی بر پایگاه دانش ویکی پدیا
چکیده
در این پژوهش، هدف بررسی روش های موجود برای استخراج روابط معنایی میان عبارات است که در زمینه های مختلف پردازش متن همچون اصلاح غلط های املایی، خلاصه سازی متن، ابهام زدایی لغات، حل مشکل چند منبعی، بازیابی اطلاعات، استخراج الگوهای اطلاعات، تشخیص موضوع، استخراج خودکار کلمات کلیدی، شاخص گذاری موضوع، خوشه بندی متون و دیگر حوزه های مرتبط حائز اهمیت می باشد؛ لذا مفاهیم موجود در این زمینه به دقت مورد بررسی قرارگرفته و روش های موجود در قالبی مشخص و تفکیک شده، شرح داده شده است و درباره نقاط قوت و ضعف هر یک از روش ها بحث صورت گرفته است. در روشی جدید با استفاده از پایگاه دانش ویکی پدیا برای هر عبارت یک فضای مفهوم ایجاد شده است. این فضای مفهوم با وزن دهی قسمت های مختلف موجود در سایت ویکی پدیا ساخته شده که ازاین رو، فضای مفهوم وزن دار نام گذاری شده است. فضای مفهوم وزن دار با یک ماتریس عبارت_مفهوم نمایش داده می شود که ستون های آن نمایانگر مفاهیم، سطرهای آن نمایانگر عبارات و هر یک از خانه های این ماتریس، میزان ارتباط معنایی یک عبارت به یک مفهوم را نشان می دهد. با استفاده از فضای مفهوم وزن دار ارتباط معنایی بین دو عبارت محاسبه شده، همچنین از این فضای مفهوم برای محاسبه ارتباط معنایی بین دو متن نیز بهره گرفته شده است. برای محاسبه ارتباط های معنایی از نگاشت یک عبارت یا متن به فضای مفهوم استفاده می شود. با این نگاشت هر عبارت یا متن با یک بردار نمایش داده می شود که به این بردار، فضای مفهوم آن عبارت یا متن گفته می شود. در حقیقت تمام مقایسات برای محاسبه ارتباط معنایی میان عبارت ها یا متن ها در فضای بردار با استفاده از بردار مفهوم صورت می پذیرد. لذا ساخت فضای مفهوم وزن دار و محاسبه ارتباط معنایی میان عبارت ها و متن ها هدف اصلی این پژوهش می باشد. همچنین برای نمایش کارایی این الگوریتم دو پایگاه داده ارتباط معنایی میان عبارات در زبان فارسی ایجاد شده است. یکی از آن ها توسط عامل های انسانی تهیه شده که از این رو به آن پایگاه داده انسانی گفته شده و پایگاه داده دیگر به صورت خودکار ایجاد شده که به آن پایگاه داده خودکار گفته شده است. با استفاده از این دو پایگاه داده نشان داده شده که روش پیشنهادی کارایی مناسبی در استخراج روابط معنایی دارد.