مروری بر روش ها و پژوهش های دسته بندی خودکار متون فارسی

دسته بندی اسناد متنی یا تشخیص عنوان به فرآیند شناسایی خودکار موضوع یک سند متنی (مانند هنری، ورزشی، سیاسی، `علمی و ...) گفته می شود که در کاربردهای مختلف پردازش زبان طبیعی مانند بازیابی اطلاعات و تحلیل متون مورد استفاده است. یک سامانه دسته بندی کننده خودکار متون، مشابه اغلب سامانه های بازشناسی الگو، از دو گام مهم استخراج ویژگی و دسته بندی تشکیل شده است. در این مقاله، مروری بر روش های رایج برای استخراج ویژگی و دسته بندی در این سامانه ها صورت گرفته و پژوهش هایی که در این حوزه برای زبان فارسی انجام شده است، مرور شده اند. همچنین، تحلیلی از نقاط قوت و ضعف روش های موجود و مقایسه کارهای صورت گرفته با همدیگر ارائه شده است.