دوره 12، شماره 6 - ( 1400 )                   جلد 12 شماره 6 صفحات 367-339 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Hejazi B, Nasiri J A. Keywords Extraction from Persian Thesis Using Statistical Features and Bayesian Classification. LRR. 2022; 12 (6) :339-367
URL: http://lrr.modares.ac.ir/article-14-37664-fa.html
حجازی بهزاد، نصیری جلال الدین. استخراج کلیدواژگان پایان‌نامۀ فارسی با استفاده از ویژگی آماری و دسته‌بند بیز. جستارهای زبانی. 1400; 12 (6) :367-339

URL: http://lrr.modares.ac.ir/article-14-37664-fa.html


1- دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران
2- استادیار دانشکدۀ علوم ریاضی، دانشگاه فردوسی، مشهد، ایران. ، j.nasiri@irandoc.ac.ir
چکیده:   (1146 مشاهده)
هدف اصلی استخراج کلمات کلیدی انتخاب مجموعه‌ای از لغات در متن است که می‌تواند موضوع اصلی متن را بازگو کند. استخراج کلیدواژگان در بازیابی اطلاعات، سیستم‌های پیشنهاددهندۀ متنی و دسته‌بندی متون، نقش مهم را ایفا می‌کند. در زبان فارسی باتوجه به پیچیدگی ذاتی زبان فارسی استخراج کلیدواژگان به‌مراتب دشوارتر شده است. در این پژوهش سعی شده است با رویکرد نوین ترکیبی آماری و یادگیری ماشین به استخراج کلیدواژگان پرداخته شود. ابتدا باتوجه به ساختار زبان فارسی پیش­پردازهای لازم برای حذف کلمات و علائم نگارشی صورت می‌گیرد. سپس  با استفاده از سه نوع ویژگی آماری و دسته­بند بیز سیستم به‌صورت خودکار الگوی کلمات کلیدی با کلمات عادی را آموزش می‌بیند. همچنین پس­پردازش کارا برای کم کردن کلمات مثبت کاذب در چارچوب پیشنهادی طراحی شده است. گفتنی است که مدل ساخته‌شده قادر به شناسایی تعداد حداکثر 20 کلیدواژه در هر پایان‌نامه است و این کلمات با کلیدواژگان نوشته‌شده در هر متن مقایسه و ارزیابی می‌شوند. نتایج ارزیابی‌های متنوع نشان می­دهد روش پیشنهادی با دقت مناسبی توانسته است کلمات کلیدی نوشتارهای فارسی علمی (پایان­نامه و رساله) را استخراج کند.
متن کامل [PDF 975 kb]   (192 دریافت)    
نوع مقاله: مقالات علمی پژوهشی | موضوع مقاله: زبان شناسی
انتشار: 1400/11/1

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.