دوره 21، شماره 4 - ( 12-1403 )
جلد 21 شماره 4 صفحات 123-113 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Taheri M A, Shenassa M E, Minaei-Bidgoli B, Hossayni S A. Noor-Vajeh: A Benchmark Dataset for Keyword Extraction from Persian Papers. JSDP 2025; 21 (4) : 8
URL: http://jsdp.rcisp.ac.ir/article-1-1340-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-1340-fa.html
طاهری محمدامین، شناسا محمدابراهیم، مینایی بیدگلی بهروز، حسینی سیدعلی. نورواژه: یک دادگان معیار برای استخراج کلیدواژه از مقالات علمی فارسی. پردازش علائم و داده‌ها. 1403; 21 (4) :113-123
دانشجوی کارشناسی‌ارشد، دانشکده مهندسی کامپیوتر، دانشگاه علم‌وصنعت ایران، تهران، ایران
چکیده: (498 مشاهده)
کلیدواژه‌ها، مهم‌ترین واژه‌های متن هستند که ایده بنیادین آن را در عباراتی کوتاه بیان می‌کنند. استخراج کلیدواژه یکی از کاربردهای پردازش زبان طبیعی است که پایه بسیاری از عملیات‌ها نظیر طبقه‌بندی، خوشه‌بندی و خلاصه‌سازی متون است. تاکنون، دادگان‌های متعدّدی برای ارزیابی استخراج کلیدواژه در فارسی ارائه شده‌اند که اغلب آن‌ها به واژگان کلیدی نویسندگان مقالات اکتفا کرده و به سایر کلیدواژه‌های بالقوه متن بی‌توجه‌اند. استفاده از چنین دادگانی، باعث ارزیابی نادرست روش‌های استخراج کلیدواژه می‌شود و دقت آن‌ها ناخواسته کاهش می‌یابد. در این پژوهش، ابتدا دادگان معیار نورواژه که از حدود ۱۴۰۰ مقاله علمی جمع‌آوری شده‌است، برای ارزیابی روش‌های استخراج کلیدواژه معرفی می‌شود. در این دادگان علاوه‌بر واژه‌های کلیدی نویسندگان، سایر کلیدواژه‌ها توسط افراد خبره استخراج شده‌اند. برای اثبات قابلیت استفاده این دادگان به‌عنوان معیار، روش‌های بی‌ناظر مختلفی روی آن آزمایش شده‌است. نتایج حاصل از این دادگان، مؤیّد نتایجی است که از سایر دادگان‌های معیار به‌دست می‌آید.
شماره‌ی مقاله: 8
واژه‌های کلیدی: استخراج کلیدواژه، دادگان فارسی، یادگیری بی‌ناظر، روش‌های مبتنی بر گراف، بازیابی اطلاعات
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات پردازش متن
دریافت: 1401/6/14 | پذیرش: 1403/9/14 | انتشار: 1403/12/28 | انتشار الکترونیک: 1403/12/28
دریافت: 1401/6/14 | پذیرش: 1403/9/14 | انتشار: 1403/12/28 | انتشار الکترونیک: 1403/12/28
فهرست منابع
1. E. Doostmohammadi, M. H. Bokaei, and H. Sameti, "PerKey: A Persian News Corpus for Keyphrase Extraction and Generation," in 9th International Symposium on Telecommunication: With Emphasis on Information and Communication Technology, IST 2018, 2019, pp. 460-465. [DOI:10.1109/ISTEL.2018.8661095]
2. Y. MATSUO and M. ISHIZUKA, "Keyword Extraction From a Single Document Using Word Co-Occurrence Statistical Information," Int. J. Artif. Intell. Tools, vol. 13, no. 01, pp. 157-169, 2004. [DOI:10.1142/S0218213004001466]
3. M. S. Paukkeri and T. Honkela, "Likey: Unsupervised language-independent keyphrase extraction," ACL 2010 - SemEval 2010 - 5th Int. Work. Semant. Eval. Proc., pp. 162-165, 2010.
4. A. J. P. Tixier, F. D. Malliaros, and M. Vazirgiannis, "A graph degeneracy-based approach to keyword extraction," EMNLP 2016 - Conf. Empir. Methods Nat. Lang. Process. Proc., pp. 1860-1870, 2016. [DOI:10.18653/v1/D16-1191]
5. P. Meladianos, A. J. P. Tixier, G. Nikolentzos, and M. Vazirgiannis, "Real-time keyword extraction from conversations," 15th Conf. Eur. Chapter Assoc. Comput. Linguist. EACL 2017 - Proc. Conf., vol. 2, pp. 462-467, 2017. [DOI:10.18653/v1/E17-2074]
6. B. Škrlj, A. Repar, and S. Pollak, "RaKUn: Rank-based Keyword Extraction via Unsupervised Learning and Meta Vertex Aggregation," in Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2019, vol. 11816 LNAI, pp. 311-323. [DOI:10.1007/978-3-030-31372-2_26]
7. K. Bennani-Smires, C. Musat, A. Hossmann, M. Baeriswyl, and M. Jaggi, "Simple unsupervised keyphrase extraction using sentence embeddings," in CoNLL 2018 - 22nd Conference on Computational Natural Language Learning, Proceedings, 2018, pp. 221-229. [DOI:10.18653/v1/K18-1022]
8. R. Campos, V. Mangaravite, A. Pasquali, A. Jorge, C. Nunes, and A. Jatowt, "YAKE! Keyword extraction from single documents using multiple local features," Inf. Sci. (Ny)., vol. 509, pp. 257-289, 2020. [DOI:10.1016/j.ins.2019.09.013]
9. M. Azarafza and M. Feizi-Derakhshi, "Textrank-based microblogs keyword extraction method for Persian language," 2020.
10. E. Mehrabi, A. Mohebi, and A. Ahmadi, "Improved keyword extraction for persian academic texts using RAKE algorithm; case study: Persian theses and dissertations," Iran. J. Inf. Process. Manag., vol. 37, no. 1, pp. 197-228, 2021. [DOI:10.52547/jipm.37.1.197]
11. S. Duari and V. Bhatnagar, "Complex Network based Supervised Keyword Extractor," Expert Syst. Appl., vol. 140, 2020. [DOI:10.1016/j.eswa.2019.112876]
12. S. Lazemi, H. Ebrahimpour-Komleh, and N. Noroozi, "PAKE: a supervised approach for Persian automatic keyword extraction using statistical features," SN Appl. Sci., vol. 1, no. 12, 2019. [DOI:10.1007/s42452-019-1627-5]
13. A. Sharifi and M. A. Mahdavi, "Supervised approach for keyword extraction from Persian documents using lexical chains," Signal Data Process., vol. 15, no. 4, pp. 95-110, 2019. [DOI:10.29252/jsdp.15.4.95]
14. H. Veisi, N. Aflaki, and P. Parsafard, "Variance-based features for keyword extraction in Persian and English text documents," Sci. Iran., vol. 27, no. 3 D, pp. 1301-1315, 2020.
15. E. Doostmohammadi, M. H. Bokaei, and H. Sameti, "Persian Keyphrase Generation Using Sequence-to-Sequence Models," ICEE 2019 - 27th Iran. Conf. Electr. Eng., pp. 2010-2015, 2019. [DOI:10.1109/IranianCEE.2019.8786505]
16. F. Liu, X. Huang, W. Huang, and S. X. Duan, "Performance evaluation of keyword extraction methods and visualization for student online comments," Symmetry (Basel)., vol. 12, no. 11, pp. 1-20, 2020. [DOI:10.3390/sym12111923]
17. Y. Wang and J. Zhang, "Keyword extraction from online product reviews based on bi-directional LSTM recurrent neural network," IEEE Int. Conf. Ind. Eng. Eng. Manag., vol. 2017-Decem, pp. 2241-2245, 2018. [DOI:10.1109/IEEM.2017.8290290]
18. M. Tang, P. Gandhi, M. A. Kabir, C. Zou, J. Blakey, and X. Luo, "Progress Notes Classification and Keyword Extraction using Attention-based Deep Learning Models with BERT," 2019.
19. S. N. Kim, O. Medelyan, M. Y. Kan, and T. Baldwin, "SemEval-2010 Task 5: Automatic keyphrase extraction from scientific articles," in ACL 2010 - SemEval 2010 - 5th International Workshop on Semantic Evaluation, Proceedings, 2010, pp. 21-26.
20. A. Hulth, "Improved automatic keyword extraction given more linguistic knowledge," pp. 216-223, 2003. [DOI:10.3115/1119355.1119383]
21. X. Wan and J. Xiao, "Single document keyphrase extraction using neighborhood knowledge," Proc. Natl. Conf. Artif. Intell., vol. 2, pp. 855-860, 2008.
22. T. D. Nguyen and M.-Y. Kan, "Keyphrase Extraction in Scientific Publications," Asian Digit. Libr. Look. Back 10 Years Forg. New Front., pp. 317-326, 2008. [DOI:10.1007/978-3-540-77094-7_41]
23. N. Giarelis and N. Karacapilidis, "Deep learning and embeddings-based approaches for keyphrase extraction: a literature review," Knowl. Inf. Syst., 2024. [DOI:10.1007/s10115-024-02164-w]
24. G. Ashqar and A. Mutlu, "A Comparative Assessment of Various Embeddings for Keyword Extraction," HORA 2023 - 2023 5th Int. Congr. Human-Computer Interact. Optim. Robot. Appl. Proc., 2023. [DOI:10.1109/HORA58378.2023.10156762]
25. L. C. Chen and K. H. Chang, "An entropy-based corpus method for improving keyword extraction: An example of sustainability corpus," Eng. Appl. Artif. Intell., vol. 133, 2024. [DOI:10.1016/j.engappai.2024.108049]
26. Z. H. Amur, Y. K. Hooi, G. M. Soomro, H. Bhanbhro, S. Karyem, and N. Sohu, "Unlocking the Potential of Keyword Extraction: The Need for Access to High-Quality Datasets," Appl. Sci., vol. 13, no. 12, 2023. [DOI:10.3390/app13127228]
27. P. He, J. Huang, and M. Li, "Text Keyword Extraction Based on GPT," Proc. 2024 27th Int. Conf. Comput. Support. Coop. Work Des. CSCWD 2024, pp. 1394-1398, 2024. [DOI:10.1109/CSCWD61410.2024.10580849] []
28. S. Mohtaj, B. Roshanfekr, A. Zafarian, and H. Asghari, "Parsivar: A language processing toolkit for Persian," in LREC 2018 - 11th International Conference on Language Resources and Evaluation, pp. 1112-1118, 2019.
29. Najaf Project, "Synonyms & Antonyms Set in Persian," 2021. http://najafproj.ir/datasets/syn-ant-set-in-persian/.
30. R. Mihalcea and P. Tarau, "TextRank: Bringing Order into Texts," 2004 Empir. Methods Nat. Lang. Process., 2004.
31. C. D. Manning, P. Raghavan, and H. Schutze, "Introduction to Information Retrieval," in Introduction to information retrieval, Stanford: Cambridge University Press, 2010.
32. C. Florescu and C. Caragea, "PositionRank: An Unsupervised Approach to Keyphrase Extraction from Scholarly Documents," Proc. ACL, pp. 1105-1115, 2017. [DOI:10.18653/v1/P17-1102]
33. F. Boudin, "Pke: An open source python-based keyphrase extraction toolkit," COLING 2016 - 26th Int. Conf. Comput. Linguist. Proc. COLING 2016 Syst. Demonstr., pp. 69-73, 2016.
34. A. Hosseini, "PERKE," 2021
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
