بررسی و مقایسه ویژگی های مستخرج از کلیدواژه های مقالات فارسی

•   آرشیو : نسخه بهار 1399 - جلد اول
•   نوع مقاله : پژوهشی
•   کد پذیرش : 1365
•   موضوع : سایر شاخه های علوم رایانه
• نویسنده/گان : نیلوفر مظفری
•   کلید واژه : کلیدواژه، ویژگی، مقالات علمی، برچسب دهی موضوعی.
•   مراجع :
  [1] گیلوری، عباس (1379). نمایه¬سازی خودکار (گذشته، حال، آینده). تحقیقات اطلاع¬رسانی و کتابخانه¬های عمومی (پیام کتابخانه سابق)، زمستان 1379. شماره 39، ص 17-25.
  [2] آقابخشی، علی¬اکبر (1386). نمایه¬سازی همارا: مفاهیم و روش¬ها. تهران: چاپار: 1386.
  [3] Lahr, N.B. and Barr, G.C., Synergy Sports Tech LLC, (2020). System and methods for searching and displaying ontology-based data structures. U.S. Patent Application 16/569,260.
  [4] Dutta, S., Ghatak, S., Das, A.K., Gupta, M. and Dasgupta, S., (2019). Feature selection-based clustering on micro-blogging data. In Computational Intelligence in Data Mining (pp. 885-895). Springer, Singapore.
  [5] Deng, X., Li, Y., Weng, J. and Zhang, J., (2019). Feature selection for text classification: A review. Multimedia Tools and Applications, 78(3), pp.3797-3816.
  [6] Hitzler, P., Kirrane, S., Hartig, O., de Boer, V., Vidal, M.E., Maleshkova, M., Schlobach, S., Hammar, K., Lasierra, N., Stadtmüller, S. and Hose, K., (2019). The Semantic Web: ESWC 2019 Satellite Events. In ESWC2019, the Extended Semantic Web Conference (Vol. 11762). Springer.
  [7] Ruotsalo, T. and Hyvönen, E., (2007). A method for determining ontology-based semantic relevance. In International Conference on Database and Expert Systems Applications (pp. 680-688). Springer, Berlin, Heidelberg.
  [8] Ibrahim, R., Zeebaree, S. and Jacksi, K., (2019). Survey on Semantic Similarity Based on Document Clustering. Adv. Sci. Technol. Eng. Syst. J, 4(5), pp.115-122.
  [9] Taloba, A.I., Sewisy, A.A. and Ismail, S.S., (2019). Parameter Tuning in Decision Tree Based on Genetic Algorithm for Text Classification. International Journal of Scientific & Engineering Resaerch, 10.
  [10] Haddoud, M., Mokhtari, A., Lecroq, T. and Abdeddaïm, S., (2016). Combining supervised term-weighting metrics for SVM text classification with extended term representation. Knowledge and Information Systems, 49(3), pp.909-931.
  [11] Zuo, Z., Li, J., Anderson, P., Yang, L. and Naik, N., (2018), July. Grooming detection using fuzzy-rough feature selection and text classification. In 2018 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE) (pp. 1-8). IEEE.
  [12] ارسطوپور، شعله؛ آزاد، اسداله (1386). نظریه برچسب گذاری و برچسبهای موضوعی در سازماندهی اطلاعات: نگاهی تطبیقی از زاوه ارتباطهای متقاعدگرایانه. کتابداری و اطلاع رسانی. 10 (4): 65-88.
  [13] Yang, Y. and Liu, X. (1999). A Re-examination of Text Categorization Methods, Proceedings of the 22nd annual international ACM SIGIR conference on research and development in information retrieval, pp. 42-49.
  [14] Hiemstra, D. (2000). A probabilistic justification for using tf× idf term weighting in information retrieval. International Journal on Digital Libraries, 3(2), 131-139.
  [15] Wood, S.A. and Gedeon, T.D. (2001). A Hybrid Neural Network for Automated Classification, Proceedings of the 6th Australasian Document Computing Symposium,2001.
  [16] Torkolla, K. (2001). Linear Discriminant Analysis in Document Classification, IEEE ICDM workshop on text mining.
  [17] Blei, D., Ng, A., Jordan, M. (2003). Latent Dirichlet Allocation, Journal of Machine Learning Research, Vol. 3, pp. 993-1022.
  [18] Guandong, X., Zhang, Y., Zhou, Z. (2005). Using Probabilistic Latent Semantic Analysis for Web Page Grouping, Proceedings of Research Issues in Data Engineering: Stream Data Mining and Applications, pp. 29-36.
  [19] Jiang, S., Pang, G. Wu, M. and Kuang, L. (2012). An improved K-nearest-neighbor algorithm for text categorization. Expert Systems with Applications 39: 1503–1509.
  [20] عرب سرخی، محسن؛ فیلی، هشام (1385). ارائه یک سیستم دسته بندی موضوعی متون فارسی بر اساس روشهای احتمالاتی، مجموعه مقالات دومین کارگاه پژوهشی زبان فارسی و رایانه، صص 151-161.
  [21] حاجی حسینی، آزاده؛ الماس گنج، فرشاد (1385). دسته بندی موضوعی متون فارسی بر اساس روش آنالیز معنایی پنهان، مجموعه مقالات دومین کارگاه پژوهشی زبان فارسی و رایانه، صص 190-201.
  [22] Farhoodi, M., Yari, A., Mahmoudi, M. (2009). "A Persian Web Page Classifier Applying a Combination of Content-Based and Context-Based Features", International Journal of Information Studies, Vol. 1, No. 4.
  [23] Barbieri, N., Manco, G., Ritacco, E., Carnuccio, M., & Bevacqua, A. (2013). Probabilistic topic models for sequence data. Machine learning, 93(1), 5-29.
  [24] Griffiths, T. L., Steyvers, M., & Tenenbaum, J. B. (2007). Topics in semantic representation. Psychological review, 114(2), 211.
  [25] Wang, X., McCallum, A., & Wei, X. (2007). Topical n-grams: Phrase and topic discovery, with an application to information retrieval. In Seventh IEEE international conference on data mining (ICDM 2007) (pp. 697-702). IEEE.
  [26] Yang, G., Wen, D., Chen, N. S., & Sutinen, E. (2015). A novel contextual topic model for multi-document summarization. Expert Systems with Applications, 42(3), 1340-1352.
  [27] Jameel, S., Lam, W., & Bing, L. (2015). Supervised topic models with word order structure for document classification and retrieval learning. Information Retrieval Journal, 18(4), 283-330.
•  صفحات : 99-108
•   دانلود فایل ( 673.15 KB )