تشخیص موضوع در متون خبری با استفاده از گام برداری تصادفی تقویتی
- سال انتشار: 1395
- محل انتشار: بیست و دومین کنفرانس ملی سالانه انجمن کامپیوترایران
- کد COI اختصاصی: ACCSI22_104
- زبان مقاله: فارسی
- تعداد مشاهده: 845
نویسندگان
دانشکده ی برق و کامپیوتر، پردیس دانشکده فنی، دانشگاه تهران، تهران
دانشکده ی برق و کامپیوتر، پردیس دانشکده فنی، دانشگاه تهران، تهران
دانشکده ی برق و کامپیوتر، پردیس دانشکده فنی، دانشگاه تهران، تهران
دانشکده ی برق و کامپیوتر، پردیس دانشکده فنی، دانشگاه تهران، تهران
چکیده
تشخیص موضوع بر روی متون مختلف از جمله متون خبری یکی از مسایلی است که در سال های اخیر مورد توجه قرار گرفته و پژوهش های گوناگونی بر روی آن انجام شده است. برای حل این مسیله روش های مختلفی ارایه شده که در آن ها معمولا به تعیین فاصله میان متون و خوشه بندی آن ها می پردازند و یا در برخی از پژوهش ها از روش های مدل سازی موضوعی برای حل این مسیله استفاده می کنند. هدف این روش ها در نهایت تقسیم بندی این متون به خوشه های مختلف است به شکلی که هر خوشه شامل متونی باشد که از نظر موضوع به هم نزدیک باشند. از جمله روش های مورد استفاده برای خوشه بندی اسناد K-medoids است که این گونه از روش های خوشه بندی به انتخاب مراکز اولیه حساس بوده و با انتخاب مراکز اولیه مختلف نتیجه ی خوشه بندی تغییر می کند.در این مقاله یک روش تشخیص موضوع ارایه می شود که در این روش ابتدا برای تعیین فاصله میان اسناد از یکی از روش های مدل سازی موضوعی یعنی LDA (Latent Dirichlet Allocation) استفاده می کنیم. با بهره گیری از توزیع LDA اسناد، فاصله میان اسناد محاسبه شده و از روی آن گراف اخبار که نشان دهنده ی میزان شباهت میان اخبار است تولید می شود. گراف حاصل توسط الگوریتم K-medoids خوشه بندی می شود. با توجه به حساس بودن این گونه از روش های خوشه بندی به مراکز اولیه، با استفاده از DivRank که یک روش گام برداری تصادفی تقویتی است مراکز اولیه مناسب مشخص می شوند و در اختیار الگوریتم K-medoids قرار می گیرند. آزمایش های ما بر روی مجموعه دادگان مختلف نشان می دهد که روش ما در نحوه ی تولید گراف و یافتن مراکز اولیه ی مناسب برای الگوریتم K-medoids در مجموع در روند تشخیص موضوع بهبود ایجاد می کند و در مقایسه با انتخاب تصادفی مراکز اولیه، با احتمالی بین ۷۰% تا ۹۲% (بسته به مجموعه دادگان متفاوت) به معیار F بالاتری می توان دست یافت.کلیدواژه ها
تشخیص موضوع، LDA (Latent Dirichlet Allocation)، DivRank، خوشه بندی، معیار فاصله ،تعیین مراکز اولیه، K-medoidsمقالات مرتبط جدید
- ناوبری وسائل نقلیه زیر آبی مستقلبا استفاده الگوریتم تکرارشونده خط مشی معتبر ایمن
- استفاده از هوش مصنوعی - یادگیری عمیق برای تشخیص خطای ماشینهای دوار
- هوش مصنوعی و کاربرد آن در حمل و نقل
- طراحی و پیاده سازی کنترل کنندهPI D فازی برای اکسترودر واحد پلی اتیلن سبک خطی در PLC زیمنس
- هوش مصنوعی: تحول دنیای مدرن و آینده نگری
اطلاعات بیشتر در مورد 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.