12736

بررسي روش هاي داده كاوي در استخراج رابطه از داده هاي متني

1401

حسين رحماني

بهروز مينائي بيدگلي

در جهان امروز، توليد روزانه‌ي متن در قالب رسانه‌هاي اجتماعي، ايميل، وبلاگ، اخبار، كتاب، مقالات پژوهشي به طور قابل توجهي افزايش يافته است. اين متن بدون ساختار يا نيمه ساختاريافته حاوي حجم عظيمي از اطلاعات است. يكي از راه‌هاي نشان دادن اطلاعات درمتن به شكل موجوديت‌ها و روابطي است كه پيوندهاي بين موجوديت‌ها را نشان مي‌دهد. استخراج رابطه مي‌تواند روابط بين موجوديت‌ها در متن را شناسايي كند. همچنين، استخراج اطلاعات، مي‌تواند اطلاعات معني‌داري را از منابع متني استخراج كرده و در قالبي ساختاريافته ارائه كند. بسياري از كاربردهاي پردازش زبان طبيعي مي‌توانند از اطلاعات رابطه‌اي مشتق شده از زبان طبيعي بهره‌مند شوند. با استفاده از روش‌هاي متفاوت مي‌توان استخراج رابطه از متن را انجام داد. اين روش‌ها به دو دسته‌ي كلي روش‌هاي سنتي و روش‌هاي مبتني بر يادگيري عميق تقسيم مي‌شوند. در روش‌هاي سنتي مي‌توان از روش‌هاي مبتني بر قانون و روش‌هاي مبتني بر يادگيري ماشين استفاده كرد. در حوزه‌هايي با داده‌هاي پراكنده مانند شبكه‌هاي اجتماعي كه تعداد موجوديت‌ها و الگوهاي روابط محدودي دارند، مي‌توان از روش نظارت از راه دور كه در دسته‌ي روش‌هاي مبتني بر يادگيري عميق قرار دارد، استفاده كرد. اين روش، چالش‌هايي در رابطه با مقابله با داده‌هاي نويزي و كلمات كليدي طولاني دارد. بدين منظور، از شبكه‌هاي پيچشي گراف براي تعبيه رابطه در گراف دانش و براي استخراج رابطه مبتني بر جمله استفاده مي‌شود. آگاهي از اين چالش‌ها و چگونگي رفع آن‌ها، حائز اهميت است. از جمله مهم‌ترين مصاديق استخراج رابطه از متن، گراف دانش است. در اين سمينار قصد داريم، انواع روش‌هاي موجود و پيشنهادي استخراج رابطه از داده‌هاي متني را بررسي كنيم و با چالش‌ها و كاربرد‌هاي اين حوزه آشنا شويم.

11/15/2023 12:00:00 AM

81023

1402/09/01

Investigating data mining methods in relation extraction from textual data

استخراج رابطه , استخراج اطلاعات , پردازش زبان طبيعي , يادگيري ماشين , يادگيري عميق , گراف دانش

Relation extraction , Information extraction , Natural Language Processing , Machine learning , Deep learning , Knowledge graph