خلاصه سازي متون فارسي با استفاده از الگوريتم يادگيري عميق

Persian text summarization using deep learning algorithm

با توجه به رشد روزافزون اطلاعات و افزايش سريع حجم داده هاي ديجيتالي، ناگزير به خلاصه سازي متون هستيم. نياز به خلاصه سازي متون و اخبار يكي از نيازهاي لازم در حوزه پردازش زبان طبيعي مي باشد. روش هاي حاضر بر حسب روش هاي آمار، وردنت ، روش هاي مبتني بر گراف و غيره مي باشند. خلاصه‌سازي خودكار متن به عنوان هسته مركزي طيف گسترده‌اي از ابزارهاي پردازشگر متن مانند خلاصه‌سازهاي ماشيني، سيستم‌هاي تصميم‌يار، سيستم‌هاي پاسخگو، موتورهاي جستجو و غيره تلقي مي شود. تلاش ما بر اين است تا روشي بهتر از روش هاي ذكرشده براي خلاصه سازي متون با استفاده از الگوريتم هاي يادگيري عميق به دست آوريم. هدف ما در اين مقاله، ايجاد خلاصه سازي استخراجي از متون و انتخاب بهترين جملات درون متون براي ايجاد خلاصه بهتر با استفاده از يادگيري عميق مي باشد. اين خلاصه سازي بر روي متون فارسي صورت مي گيرد و پيش پردازش ها و محدوديت هاي خاصي را دارا مي باشد. همچنين بررسي هايي انجام مي دهيم كه بتوانيم بهترين حالت نمايش يك سند متن فارسي را به حالت عددي به دست آوريم به طوري كه معناي كلمات درون متون آنها حذف نشود. نتايج نشان مي دهد كه مدل درخت تصميم با ميزان دقت 100% بهترين مدل اعمال شده است و مدل شبكه عصبي با دقت 98% درصد در رتبه دوم قرار دارد