دانلود مقاله ترجمه شده روش های خلاصه سازی تک-سندی و چند-سندی برای تِرِدهای ایمیل با استفاده از تکنیک فشرده سازی جمله

چکیده

ما در این مقاله دو رویکرد برای خلاصه­ سازی تِرِدهای ایمیل مطرح می­ کنیم: روش خلاصه­ سازی تجمعی پیام (CMS) که در آن از رویکرد خلاصه ­سازی چند-سندی استفاده می ­شود، و روش خلاصه ­سازی انفرادی پیام (IMS) که در آن به مسئله خلاصه ­سازی ترد ایمیل به صورت دنباله­ ای از عملیات­ های خلاصه ­سازی تک-سندی نگریسته می­ شود. در چارچوب کلی پیشنهاد شده که مبتنی بر فشرده­ سازی جمله می ­باشد، هر دو رویکرد پیاده ­سازی می­ شوند. ما بجای استفاده از یک رویکرد منحصرا استخراجی، از روش ­های زبانی و آماری برای تولید چندین فشرده­ سازی استفاده کرده و سپس از جملات فشرده ­سازی شده کاندید، مواردی را برای تولید خلاصه نهایی انتخاب می ­کنیم. ما این ایده­ ها را بر روی مجموعه داده Enron مورد ارزیابی قرار می ­دهیم. مجموعه داده Enron به خاطر داشتن زبان تکنیکی بالا، حاوی متون چالش برانگیزی می­ باشد. نتایج بدست آمده از آزمایشات دو یافته کلی را نشان می­ دهند: ۱) CMS رویکرد بهتری برای خلاصه ­سازی تردهای ایمیل است، و ۲) روش ­های کنونی فشرده ­سازی جمله قادر به بهبود کارایی خلاصه ­سازی در این زمینه نمی­ باشند.

1-مقدمه

در طول چند دهه گذشته، ایمیل به یک واسط ارتباطی محبوب برای بسیاری از افراد و سازمان­ ها تبدیل شده است. از آنجایی که بخش رو به رشدی از زندگی روزمره ما تحت تاثیر تبادلات ایمیلی قرار گرفته است، پدیده ­ی بیش از اندازه شلوغ شدن صندوق ورودی (ایمیل) به مشکل بسیار جدی بدل شده است. علاوه بر این، آرشیو­های بسیار بزرگ ایمیل حاوی دانش ­های ارزشمندی هستند که گاهی اوقات در جاهای دیگر قابل دسترسی نیستند....