fa خوشه‌بندی فراابتکاری اسناد فارسی اِکس‌اِم‌اِل مبتنی بر شباهت ساختاری و محتوایی مقالات پردازش متن Paper كاربردي Applicable <p style="text-align: justify;">با توجه به رشد فزاینده‌ی تعداد اسناد XML، سازماندهی موثر این اسناد به منظور بازیابی اطلاعات مفید از آنها ضروری می‌باشد. یک راه‌حل امکان‌پذیر، انجام خوشه‌بندی بر روی اسناد XML به منظور کشف دانش است. مسئله کلیدی در خوشه‌بندی اسناد XML این است که چگونه می‌توان شباهت بین اسناد XML را اندازه‌گیری کرد. استفاده از روش‌های متداول خوشه‌بندی اسناد متنی که اطلاعات محتوایی را برای اندازه‌گیری شباهت سند بکار می‌گیرند، باعث می‌شود اطلاعات ساختاری موجود در اسناد XML نادیده گرفته شود. در این مقاله، مدل جدیدی با نام مدل فضای ماتریسی برای بازنمایی هر دو ویژگی ساختاری و محتوایی داده‌ها در اسناد XML، پیشنهاد می‌شود. بر اساس این مدل، معیار شباهت جاکارد را تعریف و در نهایت از الگوریتم رقابت استعماری برای خوشه‌بندی اسناد XML استفاده می‌شود. نتایج تجربی نشان می‌دهد که مدل پیشنهادی و تابع نزدیکی معرفی شده در شناسایی اسناد مشابه که دارای اطلاعات ساختاری و محتوایی یکسان هستند، موثر است. این روش می‌تواند به منظور بهبود دقت خوشه‌بندی و افزایش بهره‌وری در بازیابی اطلاعات XML مورد استفاده قرار گیرد.</p> <p>Due to the increasing number of documents, XML, effectively organize these documents in order to retrieve useful information from them is essential. A possible solution is performed on the clustering of XML documents in order to discover knowledge. Clustering XML documents is a key issue of how to measure the similarity between XML documents. Conventional clustering of text documents using a document similarity measure used in information content, they can cause structural information contained in XML documents is ignored. In this paper, a new model named matrix space model to represent both structural and content features of documents in XML, is proposed. Based on this model, the Jaccard similarity measure is defined and the colonial competitive algorithm for clustering XML documents is used. Experimental results show that the proposed model function in identifying similar documents which closely identified with the same structure and content information are effective. This method can improve the accuracy of clustering, and XML data can be used to increase productivity.</p> خوشه‌بندی, زبان فارسی, الگوریتم رقابت استعماری, پردازش زبان طبیعی و بازیابی اطّلاعات Clustering, Persian, colonial competitive algorithm, 11 23 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-182-1&slc_lang=fa&sid=1 Ali Moradi علی مرادی ali_moradi_1388@yahoo.com 10031947532846003180 10031947532846003180 No University of Guilan دانشگاه گیلان Asadollah Shahbahrami اسدالله شاه بهرامی shahbahrami@guilan.ac.ir 10031947532846003181 10031947532846003181 No University of Guilan دانشگاه گیلان Reza Ebrahimi Atani رضا ابراهیمی آتانی rebrahimi@guilan.ac.ir 10031947532846003182 10031947532846003182 Yes University of Guilan دانشگاه گیلان Mehran Alidoust Nia مهران علیدوست نیا nnmehran@gmail.com 10031947532846003183 10031947532846003183 No University of Guilan دانشگاه گیلان