آمار
| تعداد نشریات | 56 |
| تعداد شماره‌ها | 1,642 |
| تعداد مقالات | 13,020 |
| تعداد مشاهده مقاله | 24,587,865 |
| تعداد دریافت فایل اصل مقاله | 16,088,560 |
مروری بر رده‌بندی خوکار متن | ||
| فصلنامه بازیابی دانش و نظام‌های معنایی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 11 مرداد 1400 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22054/jks.2021.59944.1425 | ||
| نویسندگان | ||
رضا دهخدایی1؛ عاطفه شریف   2
| ||
| 1دانشجوی دکتری علم اطلاعات و دانش شناسی، گرایش مدیریت دانش، دانشگاه تربیت مدرس. | ||
| 2استادیار گروه علم اطلاعات و دانش شناسی دانشگاه تربیت مدرس | ||
| چکیده | ||
| منابع با سرعت بسیار زیادی در حال رشد و انتشار هستند و در این میان سهم منابع دیجیتال و وبی بسیار مشهود است. به منظور سازماندهی این منابع، تلاش‌هایی برای رده‌بندی خودکار صورت گرفته که غالبا از الگوریتم‌های آماری و یادگیری ماشینی استفاده می‌کنند. همچنین در برخی منابع، استفاده از رده‌بندی‌های کتابخانه‌ای نیز توصیه شده است. اصلی‌ترین چالشی که در این زمینه وجود دارد آن است که رده‌بندی، فرآیندی انتزاعی و نیازمند تفکر است و تکنیک‌های ماشینی و هوش مصنوعی هنوز نتوانسته‌اند به طور کامل جایگزین ذهن انسان شوند. در این مقاله ضمن بیان اهمیت رده‌بندی خودکار به مفاهیم یادگیری ماشینی و تکنیک‌ها و الگوریتم‌های پرکاربرد در خوشه‌بندی و رده‌بندی مانند کا- نزدیکترین همسایه، مدل بیز، شبکه‌های عصبی مصنوعی، یادگیری عمیق، و طبقه‌بندی‌های ترکیبی پرداخته شد. همچنین مراحل رده‌بندی خودکار صفحات وب و تکنیک‌های مورد استفاده در هر مرحله مورد اشاره قرار گرفت. رسیدن به درک روشن‌تری از موضوع رده‌بندی خودکار، امکان هم‌زبانی با متخصصان حوزه هوش مصنوعی و کامپیوتر را فراهم آورده و زمینه‌ساز پژوهش‌های میان‌رشته‌ای خواهد بود. | ||
| کلیدواژه‌ها | ||
| رده‌بندی؛ رده‌بندی خودکار متن؛ یادگیری ماشین؛ رده‌بندی صفحات وب؛ رده‌بندی کتابخانه‌ای | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 144 |
||
