خلاصه‌سازي متون فارسي مبتني بر گراف با تمركز بر انتخاب ويژگي‌ها

اصفهان : دانشگاه صنعتي اصفهان

مهندسي كامپيوتر

كارشناسي ارشد

در چند سال اخير ميزان داده هاي توليد شده متني با سرعت چشم گيري درحال افزايش هستند. از مهم ترين داليل آن مي توان به تأثير پيشرفت تكنولوژي بر نحوه عملكرد و سرعت منابع توليد محتوا اشاره كرد. استخراج اطالعات مفيد در زمان موردنظر براي انسان به صورت دستي، فعاليتي دشوار و گاهي غيرممكن است. از اين رو كاربران و همچنين متخصصان ناچارند زمان زيادي را به بررسي محتواي متني براي استخراج اطالعات مفيد، اختصاص دهند. هدف اساسي از خالصه سازي متن، كاهش محتوا با كمترين ميزان افزونگي و حفظ و پوشش تمام موضوعات متن است. به منظور غلبه بر اين مسئله، رويكردهاي مختلفي براي خالصه سازي خودكار متن ارائه شده اند. در سال هاي اخير پژوهشهايي در حوزه خالصه سازي متن فارسي انجام شده است. هر كدام سعي كرده اند به نحوي به پوشش و حفظ بيشتر موضوعات متن بپردازند. در اين بين فقط يك پژوهش به حفظ پوشش موضوعات و كاهش افزونگي با استفاده از خوشهبندي پرداخته است. از طرفي بررسي دو چالشِ حفظ و پوشش موضوعات و كاهش افزونگي، با استفاده از يك الگوريتم، باعث مي شود به هر دو چالش به اندازه كافي توجه نشود. در اين پژوهش، سعي شده است با استخراج ويژگي هاي متنوع و نمايش سند با استفاده از هر يك ازآن ها به استخراج اطالعات غني متن پرداخته شود. با توجه به اينكه معموالً ابتدا و انتهاي متن به ترتيب به بيان مسئله و خالصه مطالب متن مي پردازد، بنابراين براي جمالت اين بخشها، امتياز بيشتري درنظر گرفته شده و به موجب اين امر، پوشش بيشتر موضوعات متن انجام شده است. از اهداف ديگر خالصه سازي، كاهش افزونگي يعني تالش براي كمترين تكرار اطالعات در خالصه است. از اين جهت از الگوريتم حداكثر ارتباط حاشيهاي به منظور جلوگيري از حضور جمالت مشابه در خالصه استفاده شده است. مقايسه كارايي و دقت اين سيستم نسبت به ساير كارهاي شاخص اين حوزه، نشاندهنده برتري اين سيستم در خالصه سازي خودكار متون فارسي بوده است. اين سيستم توانسته است مقدار Measure-F معيارهاي -1Rouge، -2Rouge و L-Rouge به ترتيب ،0.5265 0.3240 و 0.4911 را در اين عمليات كسب نمايد. اين سيستم نيز توانسته مقدار measure-F معيار -1Rouge را 0.0545 بهبود دهد.

226278

علوم‌داده

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان