بهبود خلاصه سازی متن به زبان فارسی با روش عامل بندی ماتریس
چکیده
با گسترش حجم اسناد و اطلاعات متنی نیاز به سیستم هایی که قادر به تولید خلاصه خودکار از متون بوده به نحوی که اطلاعات کلیدی موجود در آن را پوشش دهد و جایگزینی برای مطالعه متن اصلی شود، بیش ازپیش مورد تأکید قرارگرفته است. خلاصه سازی خودکار متن یکی از زمینه های کاری پردازش زبان های طبیعی است و وظیفه ی آن ارائه یک نسخه کوتاه شده از یک (یا چند) سند بوده به نحوی که حاوی اطلاعات مهم موجود در آن باشد. دسته بندی اصلی که برای سیستم های خلاصه ساز ارائه می شود دو دسته ی استخراجی و چکیده ای است. اکثر تحقیقات صورت گرفته در زمینه ی خلاصه سازی متن بر روی زبان انگلیسی صورت گرفته است با این وجود در سال های اخیر تحقیقاتی در این زمینه بر روی زبان فارسی نیز صورت گرفته است. هدف این پایا ن نامه ارائه سیستمی جهت خلاصه سازی متون در زبان فارسی است. سیستم پیشنهادی از نوع عمومی و تک سندی بوده و از روش های استخراجی برای خلاصه سازی متون استفاده می نماید. در خلاصه ساز پیشنهادی از الگوریتم کاهش ابعاد عامل بندی غیرمنفی ماتریس((nmf استفاده شده و روش جدیدی برای امتیازدهی به عبارات موجود در متن درنظر گرفته شده است. این وزن دهی شامل فرکانس تکرار عبارت درون جمله، فرکانس تکرار عبارت در کل متن و نیز محاسبه معیار هم جواری برای هر عبارت است. ارزیابی سیستم پیشنهادی بر اساس خلاصه های تولیدشده توسط عامل انسانی از پایگاه داده ی همشهری ارائه شده است.