19802

۱۹۸۰۲

ارائه سيستم پيشنهاد استناد مبتني بر ارتباطات معنايي

كارشناسي ارشد

هوش مصنوعي

1394

۱۳۹۷/۸/۲۹

دكتر بهروز مينايي بيدگلي

كامپيوتر

با توجه به نياز پژوهشگران به يافتن منابع مرتبط با پژوهش خود و همچنين اهميت استناد در پژوهش¬هاي علمـي، وجود روشي كه به پژوهشگر در يافتن موارد مناسب و مرتبط‌تر از ميان حجم انبوهي از منابع كمك نمايد از اهميـت بالايي برخوردار است. روشهاي تحقيقاتي قديمي مانند جستجو در گوگل يا استفاده از كتابخانه¬هاي ديجيتال مانند Citeseer، به كليدواژه¬هاي ورودي بسيار حساس هستند و بر يافتن اسنادي تمركز مي‌كنند كـه از لحـاظ ساختاري بسيار شبيه به آن كليدواژه‌ها باشند. از اين رو روش‌هايي كه بتواند از ويژگي‌هايي غير از شباهت متني براي پيشنهاد استناد استفاده كند در بهبود كارايي سيستم‌هاي پيشنهاد استناد موثر خواهد بود. در اين پايان‌نامه سيستم پيشنهاد اسناد جديدي معرفي شده است كه در آن علاوه بر شباهت متني و شباهت رابطه‌اي از شباهت معنايي استفاده شده است. ورودي اين سيستم يك قطعه متن و خروجي آن مقالاتي است كه مي‌توانند مرجع اين قطعه متن باشند. نتايج به‌دست آمده نشان مي‌دهد اين سيستم كارايي بهتري نسبت به سيستم‌هايي كه صرفا از شباهت متني استفاده مي‌كنند دارد.

1397/09/27

citation recommendation system based on semantic relatedness

12/18/2018 12:00:00 AM

Finding the related articles among a large number of articles and citing them in scientific researches is the most important step that researchers need to take. Having a method that helps researchers to efficiently and effectively find those articles is necessary. Traditional methods like searching in Google or using digital libraries such as Citeseer are very sensitive to keywords. Those methods, in fact, focus on articles that are very similar to the keywords in terms of structure. Therefore, methods that are not only based on similarity between texts are expected to further improve the performance of article recommendation systems. In this thesis, we propose a new citation recommendation system that not only uses text and relational similarities, but also uses semantic similarity. The input for this system is a short text and the output is the related articles to the input text. Experimental results show that the proposed recommendation system outperforms methods that are only based on similarity between texts.