مقاله کنفرانسی سال ۱۴۰۱ فارسی

ترکیب رویکرد های استخراجی و انتزاعی به منظور خلاصه سازی خودکار پست های شبکه اجتماعی اینستاگرام

چکیده مقاله

گسترش روز افزون داده ها و اسناد متنی مانند مقاله ،صفحات وب،کتاب،پست های شبکه های اجتماعی و در اینترنت،باعث ایجاد یک چالش اساسی در حوزه های مختلف پردازش متن تحت عنوان خلاصه سازی خودکار متن شده است پردازش و خلاصه سازی دستی داده های متنی در حجم زیاد،یک فرایندبسیا دشوار،پرهزینه ،زمان بر و غیر ممکن برای کاربران انسانی می باشد سیستم های خلاصه سازی متن به دو دسته استخراجی و انتزاعی تقسیم می شوند در روش خلاصه سازی استخراجی،خلاصه نهایی یک سند متنی از جملات با اهمیت سند بدون هیچ نوع تغییری استخراج می گردد،در این روش امکان تکرار یکسری از جملات به شکل مکرر و تداخل ضمایر وجود دارد اما در روش خلاصه سازی انتزاعی،خلاصه نهایی یک سند متنی از معنا و مفهوم جملات و کلمات همان سند یا سایر اسناد استخراج می گردد بسیاری از کارهای انجام شده از روش های استخراجی یا چکیده ای برای خلاصه سازی مجموعه اسنادوب استفاده کرده اندکه هز یک دارای مزایا و معایبی در نتایج بدست آمده از لحاظ شباهت یا اندازه می باشند در این تحقیق پژوهشگر به ترتیب با توسعه یک کرولر ،استخراج پست های متنی محبوب شبکه اجتماعی اینستاگرام ،پیش پردازش های مناسب و ترکیب مجموعه الگوریتم های استخراجی و انتزاعی نشان داد که چگونه می توان از هر یک از الگوریتم های انتزاعی و استخراجی به عنوان مکملی برای افزایش دقت و صحت الگوریم دیگر استفاده کرد مشاهدات انجام شده بر روی ۸۲۰ پست متنی محبوب شبکه اجتماعی اینستاگرام نشان از دقت ۸۰٪ و صحت ۷۵٪ سیستم پسشنهادی می دهد

کلیدواژه‌ها

شبکه های اجتماعی خلاصه سازی متن رویکرد استخراجی رویکرد انتزاعی پردازش زبان طبیعی

نویسندگان

تصویر Kazem Taghandiki

Kazem Taghandiki

گروه مهندسی کامپوتر ،دانشگاه فنی و حرفه ای ،تهران ایران

شیوه ارجاع

�قندیکی، کاظم و احمدی، محمد حسن،1401،ترکیب رویکرد های استخراجی و انتزاعی به منظور خلاصه سازی خودکار پست های شبکه اجتماعی اینستاگرام،اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوع�

ارائه‌شده در

پوستر مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی8 اسفند 1402 · اهواز
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۱ ۱,۲۴۶ مشاهده

تشخیص تومور مغزی با رویکرد یادگیری عمیق و مکانیزم توجه با استفاده از تصاویر چندوجهیMRI

شناسایی زودهنگام و موفقیت آمیز تومورهای مغزی نقش مهمی در بهبود نتایج درمان و بقای بیمار دارد در حال حاضر…

ام آر آییادگیری عمیقتومور مغزی
مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مروری بر تکنیک های هوش مصنوعی در خودروهای الکتریکی خودران

سیستم های رانندگی خودکار ADS دامنه ای جدید برای صنعت خودرو باز کرده و امکانات نوینی را برای حمل ونقل آین…

LiDARسیستم های خودرانوسایل نقلیه خودران
مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مقایسه عملکرد دو مدل شبکه عصبی عمیق BiLSTM و CNN در پیش بینی قیمت سهام (مطالعه موردی: بورس اوراق بهادار تهران)

شبکه های عصبی به عنوان یک پیشرفت تکنولوژیک در زمینه یادگیری عمیق به ویژه در پردازش داده هایساختار بافته…

یادگیری عمیقشبکه های عصبیپیش بینی قیمت سهام
مقاله کنفرانسی سال ۱۴۰۱ ۹۴۲ مشاهده

مروری بر سیستم های توصیه گر مبتنی بر گراف دانش

در سال های اخیر با توجه به رشد روزافزون حجم داده ها در بسترهای مختلف، استفاده از سیستم توصیه گر برای کمک…

گراف دانشفاکتورسازی ماتریسسیستم های توصیه گر
مقاله کنفرانسی سال ۱۴۰۱ ۸۰۸ مشاهده

بهبود روش LIME با نمونه برداری هوشمند و غیر قطعی

LIME یکی از محبوب ترین مدل های هوش مصنوعی توضیح پذیر XAI ، است که سعی در شفاف سازی دلایل تصیم گیری مدل ه…

ثباتوفاداریروشLIME
مقاله کنفرانسی سال ۱۴۰۱ ۷۶۵ مشاهده

سامانه توصیه گر مبتنی بر گراف دانش با استفاده از شبکه عصبی کانولوشن

استفاده از گراف دانش به عنوان اطلاعات جانبی در سامانه های توصیه گر مدرن به طور گسترده افزایش پیدا کرده ا…

گراف دانشسامانه توصیه گرشبکه عصبی کانولوشن