ترجمه مقاله رویکردی برای خلاصه سازی متن با استفاده از الگوریتم یادگیری عمیق

قیمت خرید این محصول

۲۹,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

رویکردی برای خلاصه سازی متن با استفاده از الگوریتم یادگیری عمیق

عنوان انگلیسی

An Approach For Text Summarization Using Deep Learning Algorithm

صفحات مقاله فارسی

15

صفحات مقاله انگلیسی

9

سال انتشار

2014

نشریه

thescipub

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

پایگاه

اسکوپوس

کد محصول

F1146

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه منابع داخل متن

ترجمه شده است ✓

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مهندسی کامپیوتر و فناوری اطلاعات

گرایش های مرتبط با این مقاله

اینترنت و شبکه های گسترده، مهندسی الگوریتم ها و محاسبات، هوش مصنوعی و مدیریت سیستم های اطلاعات

مجله

مجله علوم کامپیوتر - Journal of Computer Science

دانشگاه

گروه علوم کامپیوتر و مهندسی، K.S. دانشکده فناوری رنجاسمی، هند

کلمات کلیدی

چند اسنادی، خلاصه، افزونگی، RBM، مجموعه داده های کنفرانس درک اسناد 2002

doi یا شناسه دیجیتال

http://doi.org/10.3844/jcssp.2014.1.9

ترجمه این مقاله با کیفیت متوسط و به صورت خلاصه انجام شده است. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
1-مقدمه
1-1 هدف
1-2 ماشین بولتزمن محدود
1-3 شبکه RBM به طریق زیر کار می کند
1-4 رویکرد یادگیری عمیق پیشنهادی
1-5 پیش پردازش
6-1 خشی از برچسب گذاری اجزای واژگانی کلام
1-7 فیلترینگ کلمه بازدارندگی
1-8 ریشه یابی
1.9 استخراج ویژگی های بردار
1-10 محاسبه ویژگی
1-10-1 تشابه عنوان
1-11 ویژگی های مکانی
1-12: وزن
1-13 مفهوم ویژگی
1-14 ماتریس جمله
1-15 الگوریتم یادگیری عمیق
1.16 تولید مجموعه بردارهای بهینه ویژگی
1-17 تولید خلاصه
1-18 امتیاز جمله
1-19 رتبه بندی جمله
1-120 نتایج و تجزیه تحلیل
1-21 توصیف مجموعه داده
1-22 شاخص های ارزیابی
1-24 دقت
1-26 استخراج بردار ویژگی
1-27 ارزیابی عملکرد
1-28 تحلیل قیاسی
2-نتیجه گیری

نمونه چکیده متن اصلی انگلیسی

ABSTRACT

Now days many research is going on for text summarization. Because of increasing information in the internet, these kind of research are gaining more and more attention among the researchers. Extractive text summarization generates a brief summary by extracting proper set of sentences from a document or multiple documents by deep learning. The whole concept is to reduce or minimize the important information present in the documents. The procedure is manipulated by Restricted Boltzmann Machine (RBM) algorithm for better efficiency by removing redundant sentences. The restricted Boltzmann machine is a graphical model for binary random variables. It consist of three layers input, hidden and output layer. The input data uniformly distributed in the hidden layer for operation. The experimentation is carried out and the summary is generated for three different document set from different knowledge domain. The f-measure value is the identifier to the performance of the proposed text summarization method. The top responses of the three different knowledge domain in accordance with the f-measure are 0.85, 1.42 and 1.97 respectively for the three document set.

نمونه چکیده ترجمه متن فارسی

چکیده
امروزه تحقیقات بسیاری بر روی تلخیص یا خلاصه سازی متن در حال انجام است. به دلیل افزایش اطلاعات در اینترنت، این انواع تحقیقات در حال کسب توجه بیشتری در میان محققان می باشند. خلاصه سازی متن های استخراجی ایجاد یک خلاصه مختصر با استخراج مجموعه مناسبی از جملات از یک سند یا چند سند با یادگیری عمیق می کند. این روش توسط الگوریتم ماشین بولتزمن محدود(RBM) برای کارایی بهتر با حذف جملات افزونه اصلاح شده است. روش فوق متشکل از سه لایه ورودی، مخفی و خروجی است. داده های ورودی توزیع یکنواختی در لایه مخفی برای عملیات دارند. آزمایشات انجام شده و خلاصه ای برای سه سند متفاوت از دامنه دانش متفاوت ارایه شد. مقدار شاخص F، شناساگر و معیاری برای عملکرد روش خلاصه سازی متن است. پاسخ های سه حوزه دانشی متفاوت بر طبق معیار f به ترتیب برای سه مجموعه سند به صورت 0.85،1.42 و 1.97 می باشد.