فایل ورد کامل ترجمه مقاله فصل سوم بررسی تکنیک های خلاصه سازی متن ۸۱ صفحه در word

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل ترجمه مقاله فصل سوم بررسی تکنیک های خلاصه سازی متن ۸۱ صفحه در word دارای ۸۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

لطفا نگران مطالب داخل فایل نباشید، مطالب داخل صفحات بسیار عالی و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

فایل ورد فایل ورد کامل ترجمه مقاله فصل سوم بررسی تکنیک های خلاصه سازی متن ۸۱ صفحه در word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل ترجمه مقاله فصل سوم بررسی تکنیک های خلاصه سازی متن ۸۱ صفحه در word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل ورد کامل ترجمه مقاله فصل سوم بررسی تکنیک های خلاصه سازی متن ۸۱ صفحه در word :

دانلود فایل ورد کامل ترجمه مقاله فصل سوم بررسی تکنیک های خلاصه سازی متن ۸۱ صفحه در word
ترجمه در قالب فایل Word و قابل ویرایش میباشد
سال انتشار:۲۰۱۰
تعداد صفحه ترجمه:۲۸
تعداد صفحه فایل انگلیسی:۳۴

موضوع انگلیسی :A SURVEY OF TEXT SUMMARIZATION
TECHNIQUES
موضوع فارسی:دانلود فایل ورد کامل ترجمه مقاله فصل سوم بررسی تکنیک های خلاصه سازی متن ۸۱ صفحه در word
چکیده انگلیسی:Numerous approaches for identifying important content for automatic
text summarization have been developed to date. Topic representation
approaches first derive an intermediate representation of the text that
captures the topics discussed in the input. Based on these representations
of topics, sentences in the input document are scored for importance.
In contrast, in indicator representation approaches, the text is
represented by a diverse set of possible indicators of importance which
do not aim at discovering topicality. These indicators are combined,
very often using machine learning techniques, to score the importance
of each sentence. Finally, a summary is produced by selecting sentences
in a greedy approach, choosing the sentences that will go in the summary
one by one, or globally optimizing the selection, choosing the best set of
sentences to form a summary. In this chapter we give a broad overview
of existing approaches based on these distinctions, with particular attention
on how representation, sentence scoring or summary selection
strategies alter the overall performance of the summarizer. We also
point out some of the peculiarities of the task of summarization which
have posed challenges to machine learning approaches for the problem,
and some of the suggested solutions
چکیده فارسی:تا به امروز جهت مشخص کردن مفاهیم مهم خلاصه سازی اتوماتیک متن، رویه های بسیاری ارائه شده است. ابتدا رویه های نمایش عنوان، یک نمایش میانی از متن ارائه کردند که عناوین مورد بحث در ورودی را استخراج می کرد. بر اساس این نوع نمایش عناوین، جملات در سند ورودی از نظر اهمیت رتبه بندی می شوند. در مقابل، در رویه های نمایش شاخص، متن توسط مجموعه ای متنوع از شاخص های ممکن نمایش داده می شود که هدف آنها بیان موضوع مورد بحث نیست. این شاخص ها ترکیبی هستند و اغلب از تکنیک های یادگیری ماشین برای تعیین میزان اهمیت هر جمله استفاده می کنند. در نهایت، با انتخاب جملات از طریق رویه های حریصانه، با انتخاب جملاتی که تک به تک در خلاصه مورد استفاده قرار می گیرند، یا با بهینه سازی کلی انتخاب، بهترین مجموعه از جملات برای تشکیل یک خلاصه انتخاب می شوند و خلاصه ای از آنها تولید می گردد. در این فصل، بررسی گسترده ای بر رویه های موجود بر اساس این تمایزات خواهیم داشت و بر چگونگی نمایش، نحوه امتیازدهی به جملات یا استراتژی های انتخاب جمله توجه ویژه ای داریم تا بهره وری کلی خلاصه سازی اصلاح شود. همچنین به این نکته اشاره می کنیم که برای برخی از حالت های خاص خلاصه سازی در رویه های یادگیری ماشین، چالش هایی وجود دارد و تعدادی راه حل نیز برای آنها ارائه شده است.