@ARTICLE{Reshadat, author = {Reshadat, Vahideh and HoorAli, Maryam and Faili, Heshaam and }, title = {A New Method for Improving Computational Cost of Open Information Extraction Systems Using Log-Linear Model}, volume = {16}, number = {1}, abstract ={استخراج اطلاعات شامل توسعه الگوریتم‌­هایی است که به‌صورت خودکار متن غیرساخت‌­یافته را پردازش و پایگاه داده‌­ای از موجودیت­‌ها، روابط و وقایع را تولید می­‌کنند. یکی از مشکلات اساسی استخراج اطلاعات، هزینه بالای محاسباتی این روش‌­ها است. این موضوع در دامنه‌هایی با مقیاس بزرگ نظیر وب اهمیت زیادی دارد. در سال­‌های اخیر رو‌ش‌­های استخراج آزاد اطلاعات زیادی پیشنهاد شده است. این روش‌­ها محدوده وسیعی را از ابزارهای پردازش زبان طبیعی را اعم از سطحی (نظیر برچسب‌­زن اجزای کلام) تا عمیق (نظیر برچسب‌زن نقش معنایی) در برمی‌­گیرند. در این مقاله روشی بهینه­ برای استخراج آزاد اطلاعات نشان داده شده که بر پایه ترکیب مزایای استخراج‌­گرهای سطحی و عمیق و اجتناب از معایب آنها بنا شده است. استخراج‌گر که هسته اصلی روش پیشنهادی است، با استفاده از پارامترهای مؤثر، زیرمجموعه‌­ای را با کارایی بالا با استفاده از یک روش بهینه به کمک مدل لاگ لینیر به‌وجود می­‌آورد که قابل اجرا در مقیاس وب است. این روش با بررسی جمله ورودی و انتساب آن به مناسب­‌ترین استخراج­‌گر باعث استفاده بهینه از زمان و در‌نتیجه، کاهش هزینه محاسباتی شده و علاوه‌بر‌این به‌دقت قابل قبولی نیز دست می­‌یابد. }, URL = {http://jsdp.rcisp.ac.ir/article-1-681-fa.html}, eprint = {http://jsdp.rcisp.ac.ir/article-1-681-fa.pdf}, journal = {Signal and Data Processing}, doi = {10.29252/jsdp.16.1.3}, year = {2019} }