خلاصه سازي چند سندي با استفاده از متن كاوي و راهكار گراف هاي رويداد

با توجه به افزايش حجم اسناد متني براي پاسخگويي به نياز هاي اطلاعاتي كاربران، تكنيك هاي بازيابي اطلاعات موجود به تنهايي از كارايي مناسب برخوردار نيستند .مطالعه حجم زياد متن ها براي كاربران بسيار سخت و زمان گير است و در اختيار داشتن خلاصه اي از مطالب مهم مي تواند بسيار مفيد باشد. با توجه به اينكه تعداد اسناد خبري مرتبط با رويدادهاي جهان‌واقعي و اطلاعات رويدادگرا، به‌سرعت درحال رشد است بازيابي كارآمد و ارائه اطلاعات مختصر مرتبط با رويداد از اهميت بسياري در جلب نظر مخاطبان برخوردار است. در اين مقاله راهكاري جديد مبتني بر گراف رويداد به منظور بازيابي اطلاعات و خلاصه سازي چند سندي معرفي مي گردد. در ابتدا از روش فضاي بردار وزني براي تشخيص عبارات تكراري استفاده شده و سپس ميزان شباهت نمونه هاي خبري در قالب اسنيپت هاي خبري از پيكره متن اصلي و پرس جو با استفاده از ضريب تشابه دوبردار محاسبه مي-گردد. سپس با استفاده از گراف رويداد، يك مدل نمايش سند مبتني ‌بر رويداد براي معناشناسي رويدادهاي سطح جمله محاسبه مي گردد كه بر اساس آن اطلاعات مرتبط با رويدادهاي توصيف‌شده در متن فيلتر شده و بازسازي مي شود. در اين روش با استفاده از هسته گراف ضرب تنسور و كونرمال، شباهت بين پرس‌و‌جو ها و سندها اندازه‌گيري مي شود. با توجه به كامل نبودن مدل هاي موجود، راهكار معرفي شده در اين مقاله با تكيه بر گراف رويداد شباهت بين پرس‌و‌جوها و سندها با تفكيك هم رخدادي رئوس غيرمتناظر با استفاده از روش استخراج روابط معنايي موجود درمتن و تكنيك هاي برچسب زني معنايي لغات، اندازه گيري مي شود و همچنين روابط زماني بين آن‌ها نيز تعيين مي گردد. در گام بعد اسناد بر اساس نمرات شباهت بدست آمده رتبه بندي شده. نتايج ارزيابي چهار روش فوق دلالت بر افزايش چشمگير صحت و دقت مدل پيشنهادي اين مقاله در مقايسه با مدل‌هاي فضاي بردار وزني، گراف ضرب كونرمال و گراف ضرب تنسور بر روي مجموعه‌هاي آزمايشي رويدادگراي خبري دارد.