منصة الرسائل والاطاريح: أستخراج تضمين العبارة الرئيسية باستخدام شبكة المتوسط العميق والصلة الهامشية الاكبر لتحسين أسترجاع المعلومات

الخلاصة

نظرًا للتحسينات التقنية والنمو الهائل للبيانات النصية والمصادر الرقمية، هناك تحدٍ لاستخراج كلمات رئيسية عالية الجودة في البحث المعاصر. يعد الاستخراج التلقائي للعبارات الرئيسية أمرًا بالغ الأهمية للعديد من مهام معالجة اللغات الطبيعية واسترجاع المعلومات، بما في ذلك تلخيص المستندات، والتصنيف ، وتوصية المقالة ، وفهرسة النص الكامل. الهدف من هذا العمل هو الحصول على فهم دلالي للاستعلام والوثائق المفهرسة باستخدام تقنية التضمين لتحسين أداء أنظمة الاسترجاع. الطريقة المقترحة تتكون من عدة مراحل. تتمثل المرحلة الأولى في جمع المستندات في ملف واحد بعد فك ضغط مجلد مجموعة البيانات باستخدام نظام Linux وتحديد المستندات التي لها قرار للاستخدام داخل النظام. تتضمن المرحلة الثانية إجراء المعالجة الاولية للمستندات ثم تم تنفيذ طريقة استخراج العبارة الرئيسية غير الخاضعة للرقابة ، وتخضع العبارات الرئيسية المرشحة المستخرجة لتطبيق مشفر الجملة العالمي (USE) لإنتاج متجهات التضمين مع الاحتفاظ بالمعلومات الأكثر أهمية باستخدام الصلة الهامشية القصوى (MMR). تم تقييم خطوة استخراج العبارات الرئيسية باستخدام مجموعة البيانات (Inspec) التي تحتوي على ملف يدعى (Key ) والذي يتضمن (عبارات الهدف أضافها الخبراء لتمثيل كل مستند). تتضمن المرحلة الثالثة الفهرسة والترتيب باستخدام طريقتين، الطريقة الأولى متوسط تضمين العبارة الرئيسية للحصول على درجة المستند، والطريقة الثانية تبني فهرسًا مقلوبًا لحساب وترتيب العبارات الأكثر تشابهًا مع متجه تضمين الاستعلام. كانت المرحلة الرابعة هي تسجيل أكثر الوثائق ذات الصلة بمتجه الاستعلام. تم تطبيق نموذج الاسترجاع المقترح على مجموعة البيانات (Fire2011). كانت المرحلة الأخيرة هي نتيجة تقييم (Baseline) ونتيجة نهجي (الفهرسة والتصنيف). باستخدام متوسط الدقة (MAP) كانت نتيجة Baseline (0.61) ، بينما كانت نتيجة نهج متوسط تضمين المستند 0.5589172 . وقد لوحظ أن أفضل نتيجة تم تحقيقها مع الفهرس المقلوب التي كانت0.6277519 .