تکنیک‌های خلاصه‌سازی چندسندی خودکار متون فارسی مبتنی بر الگوریتم‌های فرااکتشافی مقالة

مطالعات کتابداری و سازماندهی اطلاعات تابستان 1398 - شماره 118 ، ب (Ministry of Science/ISC (‎22 صفحة - من 59 إلی 80 )

الکلمات المفتاحية: الگوریتم ژنتیک الگوریتم‌های فرااکتشافی خلاصه‌سازی خودکار متن خلاصه استخراجی الگوریتم جستجوی فاخته ابزار ارزیابی Rouge Automatic text summarization Rouge evaluation tools meta heuristic algorithms Cuckoo search algorithm Extractive Summarization Genetic Algorithm الگوریتم خلاصه‌سازی سند متن جمله ارزیابی استخراج معیار

fa ar en

خلاصة:

هدف:ارائه الگوی خلاصه‌سازی استاندارد متون فارسی با رویکرد تبدیل مسئله خلاصه‌سازی به مسئله بهینه‌سازی توسط الگوریتم‌های فرااکتشافی سازگار. روش‌شناسی: در این پژوهش از اسناد استاندارد پیکره چندسندی «پاسخ» که شامل 50 موضوع مختلف از انواع گونه‌های خبری از خبرگزاری‌های پرببینده ایران، برای ارزیابی استفاده شده است. هر موضوع حاوی 20 سند و همچنین 5 خلاصه چکیده‌ای و 5 خلاصه استخراجی است. ابتدا عملیات پیش‌پردازش روی متون ورودی انجام و خلاصه‌های اولیه تولید شدند. این کار به‌کمک معیار TF-ISF، معیارهای خوانایی و انسجام جملات، ویژگی شباهت با عنوان، ویژگی موقعیت جمله در متن، و ویژگی طول جمله انجام شد. با توجه به هر یک از این معیارها، وزنی به هر یک از جملات خلاصه اختصاص داده و ماتریس شباهت ایجاد شد. سپس، خروجی سیستم استخراج توسط دو الگوریتم فرااکتشافی ژنتیک و جستجوی فاخته برای رسیدن به خلاصه‌ نهایی پردازش شد. درنهایت، خروجی به‌دست‌آمده از مرحله قبل به‌کمک ابزار ارزیابی Rouge و مقایسه با خلاصه‌های انسانی تحلیل شدند. یافته‌ها: میانگین همه مقادیر به‌دست‌آمده از ابزار ارزیابی Rouge در محاسبه میزان هم‌پوشانی نمونه‌های مشترک خلاصه‌های انسانی و خلاصه ماشینی توسط الگوریتم جستجوی فاخته بیشتر از مقادیر به‌دست‌آمده توسط الگوریتم ژنتیک و همچنین سامانه خلاصه‌ساز برخط ایجاز بودند. از میان هشت معیار موجود در این ابزار، دو معیار ارزیابی طولانی‌ترین زیررشته مشترک با مقدار 0.33 و تعداد لغات مشابه در متن با مقدار 0.40 نتایج بهتری نسبت به بقیه معیارها داشتند. نتیجه‌گیری: نتایج حاصل از مقایسه دو الگوریتم به‌کاررفته، حاکی از عملکرد بهتر الگوریتم جستجوی فاخته در هر یک از معیارهای ابزار Rouge است. از طرفی مقایسه زمانی نتایج نشان می‌دهد که میانگین زمانی محاسبه‌شده برای خلاصه‌سازی توسط سیستم پیشنهادی با الگوریتم جستجوی فاخته کمتر است.

خلاصة: (مترجم بواسطة الذكاء الاصطناعي)

هدف: تقدیم نموذج لتلخیص النصوص الفارسیه بالنهج الذی یحول مساله التلخیص الی مساله تحسین باستخدام الخوارزمیات الاستعرافیه المتوافقه. المنهجیه: فی هذا البحث، تم استخدام وثايق معاییر تجمیعیه "پاسخ" والتی تشمل 50 موضوعا مختلفا من انواع الاخبار من وکالات الاخبار الشهیره فی ایران لتقییم النتايج. کل موضوع یحتوی علی 20 وثیقه بالاضافه الی 5 ملخصات مختصره و5 ملخصات مستخرجه. فی البدایه، تمت عملیات ما قبل المعالجه علی النصوص المدخله وتم انتاج الملخصات الاولیه. تم ذلک بمساعده معیار TF-ISF، معاییر القراءه وتماسک الجمل، میزه التشابه مع العنوان، میزه موقع الجمله فی النص، ومیزه طول الجمله. وبناء علی کل معیار من هذه المعاییر، تم تخصیص وزن لکل جمله من الملخص وتم انشاء مصفوفه تشابه. ثم تمت معالجه مخرجات النظام المستخرج بواسطه خوارزمیتین استعرافیتین: الجینیه والبحث عن الوقواق للوصول الی الملخص النهايی. اخیرا، تم تحلیل النتايج المستخلصه من المرحله السابقه بمساعده اداه التقییم Rouge ومقارنتها بالملخصات البشریه. النتايج: متوسط جمیع القیم المستخلصه من اداه التقییم Rouge فی حساب نسبه التشابه بین الملخصات البشریه والملخصات الالیه بواسطه خوارزمیه البحث عن الوقواق کان اعلی من القیم الناتجه عن خوارزمیه الجینیه وکذلک نظام التلخیص عبر الانترنت اجاز. من بین المعاییر الثمانیه فی هذه الاداه، کان معیاران لتقییم اطول سلسله فرعیه مشترکه بقیمه 0.33 وعدد الکلمات المتشابهه فی النص بقیمه 0.40 لهما نتايج افضل مقارنه بالمعاییر الاخری. الخلاصه: تشیر النتايج الناتجه عن مقارنه الخوارزمیتین المستخدمتین الی اداء افضل لخوارزمیه البحث عن الوقواق فی کل معیار من معاییر اداه Rouge. من ناحیه اخری، تظهر مقارنه الزمن ان متوسط الزمن المحسوب للتلخیص بواسطه النظام المقترح مع خوارزمیه البحث عن الوقواق کان اقل.

خلاصة:

Purpose: The main objective of this study is to present a pattern for standard summarization of Persian texts with the approach of converting the problem to optimization problem by compatible meta-heuristic algorithms. Methodology: In this research, standard multi-text "Pasokh" collection, which contains 50 different types of news from the most popular news agencies in Iran, each containing 20 documents, as well as 5 summaries of abstractive and 5 extractive, used for evaluation. First, the preprocessing performed on the input texts and the initial summary generated with TF-ISF benchmark, readability and consistency criteria of the sentences, similarity to the title, position of the sentence in the text, and the length of the sentence. With respect to each of these criteria, weighting function assigned to extracted sentences and a similarity matrix created. Then, output of the extraction system processed by Genetic algorithm and Cuckoo search algorithm for the final summary. Eventually, the output obtained from the previous step analyzed using the Rouge evaluation tools and the comparison with the human abstracts. Findings: The average of all values obtained in Rouge evaluation tools for calculation the overlapping of common samples of human summaries and machine summaries by Cuckoo search algorithm were higher than the values obtained by Genetic algorithm as well as Ijaz online summarizer system. Meanwhile, among the eight criteria, the longest common sub-sentence with a value of 0.33 and the number of common words in the text with 0.40 were better than the rest. Conclusion: The results of the comparison of two algorithms indicate that the Cuckoo search algorithm is better in the entire criteria. On the other hand, comparing the results suggests that the average time calculated for summarizing by the proposed system is also less.

ملخص الجهاز:

تکنیک های خلاصه سازی چندسندی خودکار متون فارسی مبتنی بر الگوریتم های فرااکتشافی فاطمه آهنگری سهیلا کرباسی * مهدی یعقوبی تاریخ دریافت: تاریخ پذیرش: 97/10/18 98/02/23 NASTINFO چکیده هدف ارائه الگوی خلاصه سازی استاندارد متون فارسی با رویکرد تبدیل مسئله خلاصه سازی به مسئله بهینه سازی توسط الگوریتمهای فرا اکتشافی سازگار روش شناسی در این پژوهش از اسناد استاندارد پیکره چند سندی «پاسخ» که شامل ۵۰ موضوع مختلف از انواع گونههای خبری از خبرگزاری های پرببینده ایران برای ارزیابی استفاده شده است هر موضوع حاوی ۲۰ سند و همچنین ۵ خلاصه چکیدهای و ۵ خلاصه استخراجی است ابتدا عملیات پیش پردازش روی متون ورودی انجام و خلاصههای اولیه تولید شدند این کار به کمک معیار TF-ISF معیارهای خوانایی و انسجام ،جملات ویژگی شباهت با عنوان ویژگی موقعیت جمله در ،متن و ویژگی طول جمله انجام شد با توجه به هر یک از این معیارها وزنی به هر یک از جملات خلاصه اختصاص داده و ماتریس شباهت ایجاد شد ،سپس خروجی سیستم استخراج توسط دو الگوریتم فرا اکتشافی ژنتیک و جستجوی فاخته برای رسیدن به خلاصه نهایی پردازششد. 1 Metaheuristic algorithms Yu & Gen 3 Fattah & Ren 4 Qazvinian, Hassanabadi, & Halavati 5 Particle Swarm Optimization (PSO) 6 Foong & Oxley 7 Ant Colony Optimization (ACO) 8 Martens, De Backer, & Haesen 9 Rai & Varshney 10 Cuckoo search algorithm Yang & Deb Goel, Sharma, & Bedi 2.

استلام ملف الإرجاع :
(پژوهیار, , , )

تحميل
تحميل HTML

رابط قصير:

صفحة:

دخول / الاشتراک

تحتاج الدخول لعرض محتوى المقالة. إذا لم تكن عضوًا ، فتابع من الجزء الاشتراک.

دخول