دانلود مقاله ترجمه شده یک رویکرد زبان شناسی خودکار برای خلاصه سازی سند فارسی

چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2004982 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید برای دریافت لینک دانلود مقاله آدرس ایمیل خود را درج نمایید

مایل به دریافت ترجمه فارسی هستید؟

قیمت :

695,000 ریال

شناسه محصول :

2004982

سال انتشار:

2011

حجم فایل انگلیسی :

217 Kb

حجم فایل فارسی :

284 کیلو بایت

نوع فایل های ضمیمه :

Pdf+Word

کلمه عبور همه فایلها :

www.daneshgahi.com

عنوان فارسي

یک رویکرد زبان شناسی خودکار برای خلاصه سازی سند فارسی

عنوان انگليسي

An Automatic Linguistics Approach for Persian Document Summarization

نویسنده/ناشر/نام مجله

International Conference on Asian Language Processing

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 4 صفحه انگلیسی به صورت پی دی اف و 16 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی

چکیده

در اين مقاله يك تكنيك جديد براي خلاصه كردن يك متن با توجه به ويژگي هاي زباني عناصر موجود در متن و زنجيره هاي معناي ميان آن‌ها ارائه‌شده است. در بسياري از روش هاي موجود خلاصه سازي متون، تمامي توجه به ويژگي هاي آماري عناصر متن است. در اينجا با استفاده از نظريه مركزيت كه زنجيره هاي انسجام در داخل متن را تشخيص ميدهد، يك روش جديد خلاصه سازي خودكار متن ارائه ميشود. براي پردازش متن توسط نظريه مركزيت و استخراج يك خلاصه ي منسجم احتياج به در هم آميختن تعدادي از ابزارهاي پردازش متن شامل روش جايگزيني ضماير و گروه هاي اسمي با مرجع اسمي آن‌ها (Semantic Role Labeling)، روش برچسب زني نقش گرامري اسامي در داخل يك جمله (Co-reference Resolution) و روش برچس بزني گروه هاي اسمي (POS Tagger) است.

خلاصه سازي تك سندي نظريه ي مركزيت :کلمات کلیدی

چکیده انگلیسی

Abstract

In this paper we propose a novel technique for summarizing a text based on the linguistics properties of text elements and semantic chains among them. In most summarization approaches, the major consideration is the statistical properties of text elements such as term frequency. Here we use centering theory which helps us to recognize semantic chains in a text, for proposing a new automatic single document summarization approach. For processing a text by centering theory and extracting a coherent summery, a processing pipeline should be constructed. This pipeline consists of several components such as co-reference resolution, semantic role labeling and POS [Part of speech] tagging