بهبود كارايي سيستم خلاصه ساز متون فارسي با استفاده از الگوريتم هرس در شبكه هاي عصبي

با رشد روزافزون منابع و اسناد در دسترس نیاز به سیستم های خلاصه سازی محسوس تر شده است، به همین خاطر در سال های اخیر سیستم های خلاصه سازی زیادی ارائه شده اند. سیستم های خلاصه ساز بر اساس نوع خروجی به دو دسته گزینشی و چكیده ای تقسیم می گردند. در سیستم های خلاصه ساز گزینشی انتخاب جملات خلاصه با توجه به برخی ویژگی های آن جمله صورت می گرفت كه در گذشته میزان تاثیر این ویژگی ها یكسان در نظر گرفته می شده است و یا با استفاده از تكنیك های سعی و خطا ضرایب متغیری به هر یك از این پارامترها اختصاص داده می شد. در این مقاله علاوه بر معرفی ویژگی های جدید مبتنی بر پاراگراف (نظیر: پاراگراف های آغاز شده با كلمات استفهامی، پاراگراف های آغاز شده با انواع بالت، پاراگراف های حاوی كلمات كلیدی، طول پاراگراف) در فاز امتیازدهی به جملات، با استفاده از شبكه عصبی نیز میزان اهمیت هر یك از پارامترها تعیین می شود. همچنین خلاصه نهایی با استفاده از تكنیك هرس كردن در شبكه عصبی تولید می گردد. در نهایت بر اساس ارزیابی انجام شده دریافتیم كه استفاده از این رویكرد در سیستم های خلاصه سازی علاوه بر افزایش پیوستگی و بهبود مقیاس های دقت و فراخوانی باعث افزایش سرعت نسبت به سیستم های تقریبا مشابه موجود نیز شده است.