مقايسه طبقه بندي خودكار متون خبري بر اساس روش هاي مبتني بر يادگيري عميق و هستي شناسي(وردنت)

كارشناسي ارشد

با افزايش حجم متون الكترونيكي به خصوص در عرصه خبر، هدفاصلي پژوهش حاضرمقايسه روش‌هاي مبتني بر يادگيري عميق و هستي‌شناسي‌ وردنت براي طبقه‌بندي خودكار متون خبري است. از نظر روش پژوهش، پژوهش حاضراز نوع پژوهش‌هاي كاربردياست. از آنجاييكه پژوهش حاضر به توصيف چگونگيطبقه‌بندي خودكار متون خبري بر اساس روش‌هاي مبتني بر يادگيري عميق و هستي شناسي ‌وردنت پرداخته است و عملكرد طبقه‌بندي خودكار متون خبري با روش‌هاي ذكر شده مقايسه و ارزيابي مي‌گردد، از نظر روش اجرا درگروه پژوهش‌هاي تطبيقي نيز قرار مي‌گيرد. به اين منظور ابتدا داده‌هاي خبري انگليسي پايگاه 20 گروه خبري كه 19997 هزار متن بودنددر محيط عملياتي پايتونپيش‌پردازش و بر اساسروش‌هاي مبتني بر يادگيري عميق (شامل شبكه عصبي پيچشي و حافظه طولاني كوتاه‌مدت)، هستي‌شناسي وردنت و رويكرد تركيبي، طبقه‌بندي شدند. با استفاده از روش‌هاي يادگيري عميق،ابتدا كلمات پر اهميت متنبا تابع توكن مشخص ‌شدند. سپس،با تابع تعبيه‌ساز كلمات به بردار ويژگي تبديل شده و به عنوان ورودي روش‌هاي يادگيري عميقدر نظر گرفتهشدند.با روش هستي‌شناسي وردنت، ابتدا كلمات پر اهميت متنبا تابع تي‌اف‌-اي‌دي‌اف مشخص ‌شده، سپس معادلهستي‌شناسيواژگانيآن‌ها با وردنت و بلوك سين‌ست به مجموعه كلمات پر اهميت هر متن اضافه شدند. در آخر با رويكرد تركيبي كه از تركيب دو روش ذكر شده است متن به يك متن مبتني بر هستي‌شناسي تبديل شد و به‌طور كلي مشخصشد كدام يك از سه روش‌طبقه‌بندي متون خبريباعث بهبود عملكرد طبقه‌بندي خواهد شد. چهار معيار صحت، دقت، پوشش و اف براي ارزيابي عملكرد هر سه روش ياد شده مورد استفاده قرار گرفتند.يافته‌ها نشان داد عملكرد طبقه‌بندي خودكار متون بر اساس روش شبكه عصبي پيچشي با معيارهاي صحت، دقت، پوشش و اف به ترتيب 70/0، 92/0، 38/0 و 54/0 روش هستي‌شناسي وردنتبه ترتيب 39/0، 71/0، 39/0، 50/0 و همچنين روش تركيبيبه ترتيب 79/0، 93/0، 42/0 و 58/0 بود. از بين معيارهاي صحت، دقت، پوشش و اف شبكه عصبي پيچشي عملكرد و دقت بالاتري نسبت به هستي‌شناسي وردنت دارد. ميزان دقت شبكه عصبي پيچشي از روش يادگيري عميق برابر با 92/0 است كه در مقابل دقت روش هستي‌شناسي برابر 71/0 و كمترين مقدار است. شايد بتوان دليل اين امر را اين‌گونه شرح داد كه روش‌هاي مبتني بر يادگيري عميق بسياري از مشكلات مانند انفجار ابعاد، پراكندگي داده‌ها جلوگيري مي‌كنند و توانايي يادگيري قوي و دقت پيش‌بيني بالاتري دارند.روش‌هاي مبتني بر شبكه‌هاي عصبي قادر به مديريت حجم عظيمي از داده‌هاهستند ولي عملكرد هستي‌شناسي وردنت با افزايش حجم داده‌ها ضعيف شده ومهم‌ترين مزيت آن، افزايش دقت با اجتناب ازتكرار كلمات و همچنين، توجه به روابط معنايي كلمات است.جهت تعيين بهترين عملكرد با 4 معيار ذكر شده، روش تركيبي بهترين عملكرد و بالاترين دقت 93/. را نسبت به دو روش ديگر داشت. شايد بتوان دليل اين امر را اين‌گونه شرح داد كه از توانايي‌هاي دو روش يك‌جا استفاده شده است. بطور كلي اهميت اين پژوهش را مي‌توان اين‌گونه بيان كرد؛ اگرچه روش‌هاي يادگيري ماشين اعم از يادگيري عميق روش قدرتمندي در جهت طبقه‌بندي متون بشمار مي‌آيند اما تنها از اطلاعات و ارتباطات نحوي ميان كلمات در متن در اين راستا استفاده مي‌كنند. اما بهره بردن از دانش ارتباطات معنايي ميان كلمات متون در اين روش‌ها مي‌تواند منجر به نتايج دقيق‌تر در طبقه‌بندي متن گردد.

227802

دانشگاه اصفهان

علم اطلاعات و دانش شناسي - مديريت كتابخانه هاي دانشگاهي

ميترا پشوتني زاده