مروری بر طبقه بندی متون فارسی و انگلیسی و راهکارهای آن با رویکرد یادگیری عمیق

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 212

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

DMECONF08_222

تاریخ نمایه سازی: 31 فروردین 1402

چکیده مقاله:

طبقه بندی متن یکی از اساسی ترین کارهای مبنایی در حوزه پردازش زبان طبیعی است که برای به دست آوردن بینش در مورد اطلاعات متنی و سازماندهی آنها استفاده می شود. لزوم دسته بندی دادهها و استخراج اطلاعات مفید از آنها برای بالابردن عملکرد هر مجموعه ای ضروری است . بنابراین همواره روشهای گوناگونی در طبقه بندی متن توسط پژوهشگران برای یافتن شیوهای نوین برای بهبود عملکرد روشهای قبلی ، مورد بررسی و ارزیابی قرار می گیرد. روشهای مبتنی بر یادگیری عمیق به دلیل استخراج خودکار ویژگی ها بهتر از روشهای سنتی یادگیری ماشین عملکرده است . شبکه های بازگشتی و شبکه های کانولوشنال در یادگیری عمیق دارای کاربرد بیشتری هستند. در این پژوهش مروری بر طبقه بندی متن با استفاده از شبکه های یاد شده و راهکارهای مختلف ترکیبی و ساختاری مورد استفاده توسط پژوهشگران در متون فارسی و انگلیسی کرده ایم .

نویسندگان

علی اکبر اسدی

دانشجوی کارشناسی ارشد کامپیوتر، نرم افزار، دانشگاه جامع امام حسین(ع)، تهران

مهدی نقوی

استادیار دانشکده کامپیوتر، نرم افزار، دانشگاه جامع امام حسین(ع)، تهران