دوره 36، شماره 3 - ( بهار 1400 )
جلد 36 شماره 3 صفحات 790-767 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Fatourechi R, Momtazi S. Persian Text Summarization using Sparse Coding with Neural Text Representation. .... 2021; 36 (3) :767-790
URL: http://jipm.irandoc.ac.ir/article-1-4265-fa.html
URL: http://jipm.irandoc.ac.ir/article-1-4265-fa.html
فتوره‌چی رامین، ممتازی سعیده. خلاصه‌سازی متون فارسی با استفاده از رویکرد کدگذاری تنک و بازنمایی عصبی جملات. پژوهشنامه پردازش و مديريت اطلاعات. 1400; 36 (3) :790-767
دانشکده مهندسی کامپیوتر؛ دانشگاه صنعتی امیرکبیر؛ تهران، ایران؛
چکیده: (1467 مشاهده)
امروزه، گستردگی و تنوع اطلاعات متنی باعث پیچیدگی فرایند یافتن دانش و الگو‌های مورد نظر از میان آن‌ها شده است. یکی از گام‌های مؤثر برای کاهش این مشکل، خلاصه‌سازی است. در چند دهه گذشته مسئله خلاصه‌سازی با توجه به نمونه‌های گوناگون از جهات و ابعاد مختلف بررسی شده است.
خلاصه‌سازی فرایندی هوشمند است که انجام آن حتی برای انسان‌ها ساده نیست و هر فردی با توجه به دیدگاهش می‌تواند نتیجه متفاوتی ارائه دهد. یک خلاصه مناسب باید دارای سه ویژگی پوشش، تُنُک‌بودن و تنوع باشد. بدین‌منظور در این پژوهش برای در نظر گرفتن این ویژگی‌ها یک روش بر مبنای کدگذاری تُنُک ارائه می‌شود. با به‌کارگیری این روش جملاتی به‌عنوان خلاصه نهایی انتخاب می‌شوند که حداقل خطا را در بازسازی جملات متن ورودی داشته باشند. سپس، با استفاده از روش‌های عصبی در بازنمایی معنایی کلمات و همچنین متون به بهبود روش پیشنهادی پرداخته می‌شود. برای ارزیابی روش پیشنهادی از مجموعه دادگان پاسخ استفاده شده و نشان داده می‌شود که روش پیشنهادی عملکرد بهتری نسبت به سایر پژوهش‌های انجام‌شده بر روی این دادگان در زبان فارسی دارد. مدل پیشنهادی توانسته است به میزان ۱۰/۰۲ درصد و ۸/۶۵ درصد و به‌ترتیب در معیار F روژ-۱ و روژ-۲ بهبود حاصل نماید.
نوع مطالعه: پژوهشي |
موضوع مقاله:
زبان شناسی رایانه ای
دریافت: 1398/3/25 | پذیرش: 1399/6/29 | انتشار: 1400/1/16
دریافت: 1398/3/25 | پذیرش: 1399/6/29 | انتشار: 1400/1/16
فهرست منابع
1. کهنسال، محمود. هشام فیلی، و سعید فرضی. 1396. سامانۀ خودکار خلاصه‌سازی با استفاده از روش تعبیۀ متن. مجموعه مقالات چهارمین همایش ملی زبانشناسی رایانشی. تهران: نشر نویسه پارسی (ص. 165-186).
2. Behmadi Moghaddas, B., M. Kahani, A. Toosi, A. Pourmasoumi Hassankiadeh, & A. Estiry. 2013. Pasokh: a Standard Corpus for the Evaluation of Persian Text Summarizers 3rd International eConference on Computer. IEEE. Ferdowsi University of Mashhad. Mashhad, Iran. [DOI:10.1109/ICCKE.2013.6682873]
3. Gholamrezazadeh, S., M. AminiSalehi, & B. Gholamzadeh. 2009. A Comprehensive Survey on Text Summarization Systems. 2nd International Conference on Computer Science and its Applications. IEEE. Jeju, Korea (South). [DOI:10.1109/CSA.2009.5404226]
4. Hassel, M & N. Mazdak. 2004. FarsiSum: a Persian text summarizer. Proceedings of the Workshop on Computational Approaches to Arabic Script-based Languages. Geneva, Switzerland. [DOI:10.3115/1621804.1621826]
5. Honarpisheh, M., G. Ghassem-Sani & G. Mirroshandel. 2008. A multi-document multi-lingual automatic summarization system. Proceedings of the Third International Joint Conference on Natural Language Processing. Hyderabad, India.
6. Hosseinikhah, T., A. Ahmadi A & A. Mohebi. 2018. A new Persian Text Summarization Approach based on Natural Language Processing and Graph Similarity. Iranian Journal of Information Processing and Management 33 (2): 885-914.
7. Karimi, Z & M. Shamsfard. 2006. Summarization of Persian texts. Proceedings of 11th International CSI computer Conference. Tehran, Iran.
8. Khademi, M., M. Fakhredanesh, & M. Hoseini. 2017. Conceptual Text Summarizer: a new model in continuous vector space. . Journal of Information Systems and Telecommunications 7 (1): 23-33.
9. Kiyoumarsi, F. & F. Rahimi Esfahani. 2011. Optimizing Persian Text Summarization Based on Fuzzy Logic Organization. International Conference on Intelligent Building and Management. Sydney, Australia.
10. Lin, C.-Y. 2004. Rouge: a package for automatic evaluation of summaries. Text Summarization Branches Out. Association for Computational Linguistics. Barcelona, Spain. 84-81.
11. Liu, H., H. Yu, & Z-H Deng. 2015. Multi-Document Summarization Based on Two-Level Sparse Representation Model. Twenty-ninth AAAI conference on artificial intelligence. Austin, Texas, USA.
12. Mao, X., H. Yang, S. Huang, Y. Liu. & R. Li. 2019. Extractive summarization using supervised and unsupervised learing. Expert Systems with Applications 133: 173-181. [DOI:10.1016/j.eswa.2019.05.011]
13. Masoumi, S., M-R Feizi-Derakhshi, & R. Tabatabaei.2014. TabSum- a new Persian text summarizer.. Journal of mathematics and computer science 11 (4): 330-342. [DOI:10.22436/jmcs.011.04.08]
14. Mikolov, T., I. Sutskever, K. Chen, G. Corrado, & J. Dean. 2013. Distributed representations of words and phrases and their compositionality. In Proceedings of the 26th International Conference on Neural Information Processing Systems - Volume 2 (NIPS'13). Curran Associates Inc., Red Hook, NY, USA. 3111-3119.
15. Parvandeh, S., S. Lahiri, & F. Boroumand. 2016. PerSum: Novel Systems for Document Summarization in Persian. International Journal of Asian Language Processing 26 (2): 67-108.
16. Pour-masoomi, A., M. Kahani, S. A. Toosi, & A. Estiri. 2014. Ijaz: an Operational system for single-document summarization of Persian news texts. Signal and Data Processing 11 (1): 33-48.
17. Rohanian, M. 2017. Multi-Document Summarization of Persian Text Using Paragraph Vectors. Proceedings of the Student Research Workshop associated with RANLP. Varna, Bulgaria. [DOI:10.26615/issn.1314-9156.2017_005]
18. Shakeri, H., S. Gholamrezazadeh, M. Salehi, & F. Ghadamyari. 2012. A New Graph-Based Algorithm for Persian Text Summarization. Computer science and convergence . Dordrecht: Springer. [DOI:10.1007/978-94-007-2792-2_3]
19. Shamsfard, M., T. Akhavan, & M. Erfani Jourabchi. 2009. Parsumist: a Persian text summarizer. International Conference on Natural Language Processing and Knowledge Engineering. IEEE. Dalian, China. [DOI:10.1109/NLPKE.2009.5313844]
20. Soltani, M., J. Nasiri, & E. Asgarian. 2018. An Automatic Persian Text Summarization System Based on Linguistic Features and Regression. Iranian Journal of Information Processing and Management 33 (4): 1809-1828.
21. Tofighy, M., O. Kashefi, A. Zamanifar, & H. Haj Seyyed Javadi. 2011. Persian Text Summarization Using Fractal Theory. Informatics Engineering and Information Science. Berlin Heidelberg. Berlin, Heidelberg: Springer 651-662. [DOI:10.1007/978-3-642-25453-6_55]
22. Tofighy, M., R. G. Raj, & H. Haj Seyyed Javadi. 2013. APH Techniques for Persian Text Summarization. Malaysian Journal of Computer Science 26 (1): 1-8.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
