دوره 21، شماره 1 - ( 3-1394 )                   دوره 21 شماره 1 صفحات 40-13 | برگشت به فهرست نسخه ها

XML English Abstract Print


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

Tavakolizadeh-Ravari M. Two Steps Break-Cull Model for Automatic Indexing of Persian Texts. Research on Information Science and Public Libraries 2015; 21 (1) :13-40
URL: http://publij.ir/article-1-966-fa.html
توکلی زاده راوری محمد. مدل دو مرحله ای شکاف- گلچین برای نمایه سازی خودکار متون فارسی. تحقیقات اطلاع‌رسانی و كتابخانه‌های عمومی. 1394; 21 (1) :13-40

URL: http://publij.ir/article-1-966-fa.html


دانشگاه یزد ، tavakoli@yazd.ac.ir
چکیده:   (6669 مشاهده)
هدف: به علت خاص بودن برخی از مسائل زبانی، لازم است که مدل‎‎های بومی نمایهسازی خودکار را با توجه به ویژگیهای هر زبان طراحی کرد. این مدلها باید بهگونهای طراحی شود که جامعیت و مانعیت نمایهسازی مورد توجه باشد. هدف این مقاله معرفی و سنجش توانمندی مدل دو مرحلهای شکاف گلچین برای نمایهسازی خودکار مقالات فارسی است. ابتدا الگوریتم کار به تفصیل توضیح داده میشود و سپس همخوانی نتایج حاصل از این الگوریتم با کلیدواژههای نویسنده سنجیده خواهد شد.
روش: مدل نمایهسازی خودکار فارسی بههمراه توضیح مراحل و مسائل مرتبط با آن معرفی خواهد شد. ارزیابی مدل از طریق شاخص دربردارندگی انجام می‌شود که برای تعیین درصد همخوانی بین نمایهسازان مورد استفاده قرار میگیرد. برای این کار، میزان همخوانی اصطلاحات نمایه‌ای که از پیادهسازی الگوریتم این مدل حاصل شدهاند، با کلیدواژههای نویسندگان مقالات بررسی میگردد.
یافته‌ها: یافتهها نشان داد که در 90 درصد از موارد، اصطلاحی که این مدل در یک مقاله بهعنوان پروزنترین اصطلاح تشخیص داده است، مشابه اولین کلیدواژۀ نویسنده آن مقاله است. در کل، بین نتایج این مدل و کلیدواژههای نویسندگان 76 درصد همخوانی وجود داشت که در مقایسه با کارهای قبلی، قابل قبول به نظر میرسد.
اصالت/ارزش: ارزش اولیۀ این کار پرداختن به نمایهسازی خودکار با توجه به ویژگیهای زبان فارسی است. برای پیادهسازی مدل ارائه شده، فرض بر استفاده از زبان عبارات الگودار است که توسط بسیاری از زبانهای برنامهنویسی پشتیبانی میشود و نیاز به نصب و استفاده از جدولهای بانک اطلاعاتی را برای پردازش متن کاهش میدهد. همچنین، مشکل تعیین آستانۀ بالایی اصطلاحات اصلی را حل میکند. علاوه بر آن، با الگوریتمی خاص، حد پایینی را نیز تعیین میکند؛ بهگونهای که دیگر تعداد اصطلاحات گلچین شده به طول متن بستگی ندارد. این امکان، جامعیت و مانعیت نمایهسازی را تضمین میکند.
 
متن کامل [PDF 1442 kb]   (2463 دریافت)    
نوع مطالعه: كمّي |
دریافت: 1392/8/3 | پذیرش: 1394/3/16 | انتشار: 1394/3/16

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.

کلیه حقوق این وب سایت متعلق به تحقیقات اطلاع‌رسانی و کتابخانه‌های عمومی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Research on Information Science and Public Libraries

Designed & Developed by : Yektaweb