بهبود فرآیند خلاصه‌سازی متن با بهره‌گیری از مدل ابرگراف نوتروسوفیک
چکیده
هدف: هدف این پژوهش ارایه مدلی جدید مبتنی بر ابرگراف‌های نوتروسوفیک برای خلاصه‌سازی خودکار متن است که بتواند روابط پیچیده بین جملات را به‌خوبی مدلسازی کرده و خلاصه‌ای دقیق و خوانا تولید کند.
روش‌شناسی پژوهش: در مدل پیشنهادی، ابتدا جملات متن به‌صورت گره‌هایی در یک ابرگراف نمایش داده می‌شوند و ارتباطات بین آن‌ها به‌صورت یال‌ها تعریف می‌گردد. سپس با بهره‌گیری از منطق نوتروسوفیک، جملات مهم‌تر شناسایی و برای تولید خلاصه انتخاب می‌شوند. این مدل قابلیت پردازش داده‌های مبهم و نامطمئن را دارد که به درک بهتر ساختار معنایی متن کمک می‌کند.
یافته‌ها: آزمایش مدل روی سه پایگاه داده متنی با طول‌های مختلف (India Text, Samsung Text, and BBC News) نشان داد که این روش با میانگین مقادیر F1_Score=0.86، Precision=0.81 وRecall=0.90 ، عملکرد بهتری نسبت به سایر مدل‌های مشابه دارد و خلاصه‌های دقیق‌تر و خواناتری ارایه می‌دهد.
اصالت/ارزش افزوده علمی: نوآوری اصلی پژوهش در به‌کارگیری ابرگراف‌های نوتروسوفیک برای پردازش روابط پیچیده بین جملات و مدیریت داده‌های نامطمئن است که باعث افزایش دقت و کیفیت خلاصه‌سازی می‌شود. این رویکرد، گامی مهم در بهبود روش‌های خلاصه‌سازی خودکار متن محسوب می‌شود.
کلمات کلیدی:
خلاصه‌سازی متن، مدل ابرگراف نوتروسوفیک، پردازش زبان طبیعی، منطق نوتروسوفیک، یادگیری عمیقمراجع
- [1] Dhanya, P. M., & Ramkumar, P. B. (2023). Text analysis using morphological operations on a neutrosophic text hypergraph. Neutrosophic sets and systems, 61, 337–364. https://digitalrepository.unm.edu/nss_journal/vol61/iss1/19/
- [2] Verma, J. P., Bhargav, S., Bhavsar, M., Bhattacharya, P., Bostani, A., Chowdhury, S., … ., & Mehbodniya, A. (2023). Graph-based extractive text summarization sentence scoring scheme for big data applications. Information, 14(9). https://doi.org/10.3390/info14090472
- [3] Akram, M., Shahzadi, S., Rasool, A., & Sarwar, M. (2022). Decision-making methods based on fuzzy soft competition hypergraphs. Complex & intelligent systems, 8(3), 2325–2348. https://doi.org/10.1007/s40747-022-00646-4
- [4] Peng, X., & Dai, J. (2020). A bibliometric analysis of neutrosophic set: two decades review from 1998 to 2017. Artificial intelligence review, 53(1), 199–255. https://doi.org/10.1007/s10462-018-9652-0
- [5] Smarandache, F., & Broumi, S. (2019). Neutrosophic graph theory and algorithms. IGI Global. https://B2n.ir/zr9533
- [6] Quek, S. G., Selvachandran, G., Ajay, D., Chellamani, P., Taniar, D., Fujita, H., … ., & Giang, N. L. (2022). New concepts of pentapartitioned neutrosophic graphs and applications for determining safest paths and towns in response to COVID-19. Computational and applied mathematics, 41(4), 151. https://doi.org/10.1007/s40314-022-01823-4
- [7] Abonyi, J., & Czvetkó, T. (2022). Hypergraph and network flow-based quality function deployment. Heliyon, 8(12), e12263. https://www.cell.com/heliyon/fulltext/S2405-8440(22)03551-4
- [8] Ihsan, M., Saeed, M., Rahman, A. U., & Smarandache, F. (2022). Multi-attribute decision support model based on bijective hypersoft expert set. Punjab university journal of mathematics, 54(1), 55-73. https://doi.org/10.52280/pujm.2021.540105
- [9] Wang, W., Li, S., Li, J., Li, W., & Wei, F. (2013). Exploring hypergraph-based semi-supervised ranking for query-oriented summarization. Information sciences, 237, 271–286. https://doi.org/10.1016/j.ins.2013.03.012
- [10] Van Lierde, H., & Chow, T. W. S. (2019). Query-oriented text summarization based on hypergraph transversals. Information processing & management, 56(4), 1317–1338. https://doi.org/10.1016/j.ipm.2019.03.003
دانلود
چاپ شده
شماره
نوع مقاله
ارجاع به مقاله
شماره 1