به ما امتیاز دهید :


به این صفحه امتیاز دهید :

مرکز خرید و فروش فایل های قابل دانلود

بهترین و بزرگترین مرکز خرید و فروش فایل
سبد خرید
shopping
مبلغ قابل پرداخت: 0 ریال
پرداخت
با توجه به مشکلی ک در پرداخت به وجود اومده ، در صورتی که فایلی نیاز دارین درخواستتون رو از طریق تلگرام برای ما بفرستید تا در سریع ترین زمان ممکن فایل مورد نظر برای شما ارسال شود - شماره تلگرام : 09392042250

مدل دو مرحله‎ای شکاف-گلچین برای نمایه‎سازی خودکار متون فارسی

مدل دو مرحله‎ای شکاف-گلچین برای نمایه‎سازی خودکار متون فارسی
افزودن به سبد خرید
ارسال کننده: engineer
تاریخ ارسال: يكشنبه، 13 دي ماه، 1394
بازدید: 120
قیمت : 20,000 ریال
حجم فایل : 182.58 Kb
تعداد صفحات : 28 صفحه
پورسانت بازاریابی : 10%

هدف: به علت خاص بودن برخی از مسائل زبانی، لازم است که مدل‎‎های بومی نمایه‎سازی خودکار را با توجه به ویژگی‎های هر زبان طراحی کرد. این مدل‎ها باید به‎گونه‎ای طراحی شود که جامعیت و مانعیت نمایه‎سازی مورد توجه باشد. هدف این مقاله معرفی و سنجش توانمندی مدل دو مرحله‎ای شکاف – گلچین برای نمایه‎سازی خودکار مقالات فارسی است. ابتدا الگوریتم کار به تفصیل توضیح داده می‎شود و سپس همخوانی نتایج حاصل از این الگوریتم با کلیدواژه‎های نویسنده سنجیده خواهد شد.
روش: مدل نمایه‎سازی خودکار فارسی به‎همراه توضیح مراحل و مسائل مرتبط با آن معرفی خواهد شد. ارزیابی مدل از طریق شاخص دربردارندگی انجام می‌شود که برای تعیین درصد همخوانی بین نمایه‎سازان مورد استفاده قرار می‎گیرد. برای این کار، میزان همخوانی اصطلاحات نمایه‌ای که از پیاده‎سازی الگوریتم این مدل حاصل شده‎اند، با کلیدواژه‎های نویسندگان مقالات بررسی می‎گردد.
یافته‌ها: یافته‎ها نشان داد که در 90 درصد از موارد، اصطلاحی که این مدل در یک مقاله به‎عنوان پروزن‎ترین اصطلاح تشخیص داده است، مشابه اولین کلیدواژۀ نویسنده آن مقاله است. در کل، بین نتایج این مدل و کلیدواژه‎های نویسندگان 76 درصد همخوانی وجود داشت که در مقایسه با کارهای قبلی، قابل قبول به نظر می‎رسد.
اصالت/ارزش: ارزش اولیۀ این کار پرداختن به نمایه‎سازی خودکار با توجه به ویژگی‎های زبان فارسی است. برای پیاده‎سازی مدل ارائه شده، فرض بر استفاده از زبان عبارات الگودار است که توسط بسیاری از زبان‎های برنامه‎نویسی پشتیبانی می‎شود و نیاز به نصب و استفاده از جدول‎های بانک اطلاعاتی را برای پردازش متن کاهش می‎دهد. همچنین، مشکل تعیین آستانۀ بالایی اصطلاحات اصلی را حل می‎کند. علاوه بر آن، با الگوریتمی خاص، حد پایینی را نیز تعیین می‎کند؛ به‎گونه‎ای که دیگر تعداد اصطلاحات گلچین شده به طول متن بستگی ندارد. این امکان، جامعیت و مانعیت نمایه‎سازی را تضمین می‎کند.


 
نام شما: [ کاربر جدید ]

نظر:
کد امنیتی
کد امنیتی

  [ بازگشت ]