خوشه بندی متن کوتاه با استفاده از شبکه عصبی کانولوشن

سرعت گسترس اطلاعات، به طور روز افزون در حالگسترس است. عمدهای از این اطلاعات به صورت متن، هر روزه در حالتولید است، توان پردازشی برای دسته بندی خودکار از موضوعات بسیار مهمروز دنیا است، زیرا پردازش این متن ها با استفاده از روش های دستی کاریمشکل و وقت گیر است. به همین منظور پردازش متن به صورت خودکار، ازچالش های موضوعات علمی متنوع در دنیای دانش است. در این مقاله یکروش برای بهبود خوشه بندی متن کوتاه با استفاده از شبکه عصبی کانولوشنبدون نظارت پیشنهاد شده است. برای نمایش برداری کلمات از روشword2vec استفاده شده است. در ابتدا gram 2 و gram 3 را برای کلدیتاست محاسبه کرده و سپس بردار احتمال که برای هر جمله بدست آمدهاست را در بردارهای نمایش هر جمله کانولوشن می کنیم. در ادامه کوواریانسکل داده ها را محاسبه کرده و سپس بر روی کل داده ها عمل کانولوشن راانجام میدهیم. روش پیشنهادی در مجموعه داده Biomedical دقت 64.98و در مجموعه داده SearchSnippets دقت 82.63 بدست آورده است. نتایجارزیابی نشان دهنده دقت بیشتری نسبت به الگوریتم های پیشین دارد.بنابراین روش پیشنهادی، عملکرد بهتری نسبت به روشهای پایه در خوشه-بندی متن کوتاه به دست آورده است.

کلیدواژه ها:

خوشه بندی ، متن کوتاه ، شبکه عصبی کانولوشن ، کوواریانس ، دسته بندی خودکار