ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

Exploring the Efficiency of Topic-Based Models in Computing Semantic Relatedness of Geographic Terms

سال انتشار: 1398
کد COI مقاله: JR_IJWR-2-2_004
زبان مقاله: انگلیسیمشاهده این مقاله: 148
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 13 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Exploring the Efficiency of Topic-Based Models in Computing Semantic Relatedness of Geographic Terms

Hossein Sadr - Department of Computer Engineering Rasht Branch, Islamic Azad University Rasht, Iran
Mozhdeh Nazari - Department of Computer Engineering, Rasht Branch, Islamic Azad University, Rasht, Iran
Mir mohsen Pedram - Department of Electrical and Computer Engineering Faculty of Engineering, Kharazmi University Tehran, Iran
Mohammad Teshnehlab - Industrial Control Center of Excellence, Faculty of Electrical and Computer Engineering, K. N. Toosi University of Technology, Tehran, Iran

چکیده مقاله:

Large number of semantic relatedness measures have been presented since the last decades.  In spite of an extensive number of studies that have been conducted in this field, the understanding of their foundation is still limited in real world applications. In this paper, the state-of-the-art semantic relatedness measures are surveyed and in the following a unified topic-based models is proposed to highlight their equivalences and propose bridges between their theoretical bases. Presentation of a comprehensive unified approach of topic based models induces readers to have common understanding of them in spite of the complexities and differences between their architecture and configuration details. Moreover, it may underlie fundamental development of these models. Comprehensive experiments in application of semantic relatedness of geographic phrases have been conducted to evaluate topic based models in comparison to ontology-based models. Based on the obtained results, not only topic-based models in comparison to ontology-based models confront with fewer restrictions in real world, but also their performance in computing semantic relatedness of geographic phrases is significantly superior to ontology-based models. 

کلیدواژه ها:

Semantic Relatedness ، Topic-based Models Latent Semantic Analysis ، Latent Dirichlet Allocation ، Explicit Semantic Analysis ، Geographical Information Science Introduction

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_IJWR-2-2_004 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1035894/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Sadr, Hossein and Nazari, Mozhdeh and Pedram, Mir mohsen and Teshnehlab, Mohammad,1398,Exploring the Efficiency of Topic-Based Models in Computing Semantic Relatedness of Geographic Terms,https://civilica.com/doc/1035894

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398, Sadr, Hossein؛ Mozhdeh Nazari and Mir mohsen Pedram and Mohammad Teshnehlab)
برای بار دوم به بعد: (1398, Sadr؛ Nazari and Pedram and Teshnehlab)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 5,939
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی