خوشه‌بندي اسناد متني با كمك ارتباط بين واژه‌ها

كارشناسي ارشد

چكيده امروزه خوشه‌بندي اسناد يكي از مهم‌ترين موضوعات مطالعاتي درزمينه‌هاي مختلفي نظير تجزيه تحليل احساسات، طبقه‌بندي اسناد و اخبار به شمار مي‌رود. روش‌هاي زيادي براي خوشه‌بندي سندهاي متني ارائه شده‌اند كه هركدام به‌نوبه خود از خصوصيت‌هاي ويژه‌اي برخوردار مي‌باشند. توجه به معناي كلمات علاوه بر خصوصيت‌هاي آماري آن‌ها مي‌تواند تأثير بسزايي در بالا بردن كيفيت كار خروجي الگوريتم خوشه‌بندي داشته باشد. شايد بتوان هم رخدادي كلمات را نيز به‌گونه‌اي به‌عنوان تلاشي در راستاي تشخيص زمينه يك كلمه در نظر گرفت، كه در اين خصوص نيز كارهاي باارزشي در اين زمينه انجام‌شده است. به طبع هنوز مسير طولاني در راستاي رسيدن به يك سيستم خوشه بند سند خوب بايد طي شود. در راستاي رسيدن به هدف مدنظر در اين زمينه بايد از خصوصيت‌ها و قابليت‌هاي جديدي استفاده شود تا بتوان كارهاي ديگران را يك مرحله به جلو پيش برد. ايده مطرح‌شده را مي‌توان به‌عنوان يك مرحله جلوتر از روش‌هاي هم رخدادي در نظر گرفت. در مرحله اول در اين تحقيق، به‌محض تشخيص هم رخدادي كلمات يالي در يك گراف هم رخدادي كلمات ايجاد مي‌شود كه درنهايت منجر به توليد گرافي از كلمات هم رخداد خواهد شد. پس از تشكيل گراف هم رخدادي كلمات موجود در تمامي سندهاي مورد پردازش، با استفاده از محاسبه معيارهاي مركزيت گراف سعي در محاسبه وزن كلمات در اين گراف خواهيم داشت. وزن به وجود آمده از اين محاسبات براي كلمات مي‌تواند به‌عنوان بهبوددهنده روش‌هاي پيشين در محاسبه وزن كلمات در اسناد مورداستفاده قرار گيرد. به گفته ديگر با اعمال تأثير وزن سراسري كلمه در گراف هم رخدادي سعي بر بهبود روش متداول k-means در خوشه‌بندي اسناد را خواهيم داشت. معيارهايي همگني و جامعيت به همراه معيار Silhouette سه ميزاني خواهند بود كه با استفاده از آن‌ها روش خود را با روش k-means استاندارد مقايسه خواهيم كرد. كلمات كليدي: سازمان‌دهي اسناد، گراف، ويژگي متون، خوشه‌بندي اسناد، معيارهاي مركزيت

188881

دانشگاه علم و صنعت ايران

نرم‌افزار

دكتر حسن نادري