fa دسته‌بندی پرسش‌ها با استفاده از ترکیب دسته‌بندها مقالات پردازش متن Paper پژوهشي Research <p style="text-align: justify;"><strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">هدف </span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">از </span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">تولید و گسترش </span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">سامانه</span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">‌های پرسش و پاسخ، ایجاد پاسخ دقیق برای پرسش داده‌شده به زبان طبیعی است. یکی ازمهم‌ترین بخش‌های سامانه‌های پرسش و پاسخ، دسته‌بندی پرسش است. عمل دسته‌بندی پرسش، پیش‌بینی نوع پاسخ مورد نیاز برای پرسش داده‌شده به زبان طبیعی است. کارهای انجام&shy;شده در این زمینه را می‌توان در دو دسته مبتنی بر قانون و مبتنی بر یادگیری تقسیم کرد. </span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">در این مقاله یک معماری جدید برای دسته‌بندی ترکیبی پرسش‌ها ارائه شده است، نتایج هریک از دسته‌بندها توسط پنچ روش رأی&shy;گیری وزن‌دار، فضای دانش رفتار، بیز ساده، کلیشه تصمیم و دمپستر شفر ترکیب شده و خروجی نهایی را شکل می‌دهد. </span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">این روش ترکیبی متشکل از دو دسته‌بند مبتنی بر یادگیری ماشین (ماشین بردار پشتیبان و نمایش پراکنده) و یک دسته‌بند مبتنی بر قانون استفاده شده است. عملیات دسته‌بندی مبتنی بر یادگیری با توجه به مجموعه ویژگی‌های استخراج شده از پرسش‌ها انجام می‌پذیرد. این ویژگی‌ها براساس ساختار لغوی و نحوی پرسش‌ها استخراج شده‌اند. در پایان نتایج حاصل از دسته‌بندها با روش‌های معمول در ترکیب دسته‌بندهای تک&shy;طبقه ترکیب شده‌اند و نتایج حاصل بیان&shy;کننده بهبود عملیات دسته‌بندی نسبت به روش‌های موجود است.</span></span></strong></p> <p><strong>Question answering systems are produced and developed to provide exact answers to the question posted in natural language. One of the most important parts of question answering systems is question classification. The purpose of question classification is predicting the kind of answer needed for the question in natural language. The&nbsp; literature works can be categorized as rule-based and learning-based methods. This paper proposes a novel architecture for hybrid classification of questions. The results of the classifiers were combined by five methods of Weighted Voting, Behavior Knowledge space, Naive Bayes, Decision Template and Dempster-Shafer. The method uses a combination of two classifiers based on machine learning (Support Vector Machine and Sparse Representation) and one rule-based classifier. The learning-based classification uses the set of features extracted from the questions. The features are extracted on the basis of the lexical and syntactic structure of the questions. The results from the classifiers were combined by the methods that are common in the combination of one-class classifiers and the Obtained results indicate the improvement of the classification operations in comparison with the present methods.&nbsp;</strong></p> <p></p> دسته‌بندی پرسش‌ها, مبتنی برقانون, مبتنی بر یادگیری, نمایش پراکنده, ماشین بردار پشتیبان, پرسش‌وپاسخ Question classification, Rule-based, Learning-based, Sparse Representation, Support Vector Machine, Question answering. 99 112 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-617-1&slc_lang=fa&sid=1 hadi ghaemi هادی قائمی hadi.qaemi@gmail.com 10031947532846004850 10031947532846004850 Yes Ferdowsi University of Mashhad (FUM) دانشگاه فردوسی مشهد mohesn kahani محسن کاهانی kahani@um.ac.ir 10031947532846004851 10031947532846004851 No Ferdowsi University of Mashhad (FUM) دانشگاه فردوسی مشهد