دوره 15، شماره 4 - ( 12-1397 )                   جلد 15 شماره 4 صفحات 57-70 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Rahimi M, Zahedi M, Mashayekhi H. A Probabilistic Topic Model based on Local Word Relationships in Overlapped Windows. JSDP. 2019; 15 (4) :57-70
URL: http://jsdp.rcisp.ac.ir/article-1-673-fa.html
رحیمی مرضیه، زاهدی مرتضی، مشایخی هدی. یک مدل موضوعی احتمالاتی مبتنی بر روابط محلّی واژگان در پنجره‌های هم‌پوشان. پردازش علائم و داده‌ها. 1397; 15 (4) :57-70

URL: http://jsdp.rcisp.ac.ir/article-1-673-fa.html


دانشگاه صنعتی شاهرود
چکیده:   (155 مشاهده)

 بسیاری از مدل‌های موضوعی مانند LDA که مبتنی بر هم‌رخدادی واژگان در سطح یک سند هستند قادر به بهره‌گیری از روابط محلی واژگان نیستند. برخی از مدل‌های موضوعی مانند BTM سعی کرده‌اند با ترکیب موضوعات و مدل‌های زبانی n-gram، این مشکل را حل کنند. امّا BTM مبتنی بر ترتیب دقیق واژگان است؛ بنابراین با مشکل تُنُکی روبه­روست. در این مقاله یک مدل موضوعی احتمالاتی جدید معرفی شده که قادر به مدل­کردن روابط محلی واژگان با استفاده از پنجره‌های هم‌پوشان است. بر اساس فرضیه هم‌رخدادی، رخداد هم­زمان واژگان در پنجره‌های کوتاه­تر، گواه محکم­تری بر ارتباط معنایی آنهاست. در مدل پیشنهادی، هر سند، مجموعه‌ای از پنجره‌های هم‌پوشان فرض می‌شود، که هریک متناظر با یکی از واژگان متن است. موضوعات بر مبنای هم‌رخدادی واژگان در این پنجره‌های هم‌پوشان استخراج می‌شوند. به‌عبارت دیگر، مدل پیشنهادی، روابط محلی واژگان را بدون وابستگی به ترتیب دقیق آنها مدل می‌کند. آزمایش­های ما نشان می‌دهد که روش پیشنهادی، موضوعات منسجم‌تری را تولید و در کاربرد خوشه‌بندی اسناد، دقیق‌تر از دو مدل LDA و BTM   عمل می‌کند.
 

متن کامل [PDF 13549 kb]   (82 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش متن
دریافت: ۱۳۹۶/۹/۳ | پذیرش: ۱۳۹۷/۱۱/۶ | انتشار: ۱۳۹۷/۱۲/۱۷ | انتشار الکترونیک: ۱۳۹۷/۱۲/۱۷

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA code

ارسال پیام به نویسنده مسئول


کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.