بهبود رتبه‌بندي جملات در خلاصه‌سازي استخراجي، با استفاده از گراف دانش

كارشناسي ارشد

خلاصه سازي متن فرايند استخراج اطلاعات برجسته از منابع متني و ارائه اين اطلاعات به كاربر در قالب يك خلاصه است. خلاصه سازي اسناد بزرگ متني به طور دستي براي انسان ها بسيار دشوار است. رده بندي را مي توان به دو صورت انجام داد: خلاصه سازي استخراجي و خلاصه سازي انتزاعي. خلاصه سازي استخراجي با استفاده از ويژگي هاي آماري و زباني براي تعيين ويژگي هاي مهم و اتصال آنها به يك نسخه كوتاه تر استفاده مي كند. در حالي كه خلاصه سازي انتزاعي، سند را به طور كامل درك مي كند و سپس خلاصه را توليد مي كند. روش هاي انتزاعي بسيار پيچيده هستند، زيرا آنها نياز به پردازش گسترده زبان طبيعي دارند. بنابراين، جامعه پژوهشي بيشتر بر روي خلاصه هاي استخراجي تمركز مي كنند تا خلاصه هاي منسجم و معناداري را به دست آورند. در طول يك دهه، رويكردهاي استخراجي متعددي براي توليد خلاصه ساز اتوماتيك ايجاد شده است كه تعدادي از تكنيك هاي يادگيري و بهينه سازي ماشين را پياده مي كند. روش پيشنهادي سامانه خلاصه سازي سند استخراج براي زبان فارسي است كه خلاصه اي خلاقانه از متون را با استفاده از سيستم خلاصه خودكار ما تشكيل مي دهد. جملات ورودي مهم، كه بايد در خلاصه قرار داده شوند، بر اساس استفاده از گراف دانش براي خلاصه سازي اتوماتيك شناسايي مي شوند. ايده كلي اين است كه نهادهاي دانش را در متن خالص و روابط ميان موجودات استخراج شده با يكديگر شناسايي كنيم. اين روابط به ما كمك كرد تا احكام مهم را با دادن رأي بالا به جمله هايي كه بيشترين امتياز در متن را دارند، شناسايي كنيم. علاوه بر اين، ما از روشهاي ديگر استفاده مي كنيم كه عبارتند از فركانس مدت - فركانس حكم معكوس (TF-ISF)، موقعيت احكام و طول جمله. هدف از اين تحقيق توسعه روش هاي رتبه بندي جملات است كه خلاصه متناسب متن را با استفاده از گراف هاي دانش با نتايج ارزيابي بالا ايجاد كند.

192057

دانشگاه علم و صنعت ايران

نرم افزار

دكتر بهروز مينايي بيدگلي