دفاعیه کارشناسی ارشد (برق و کامپیوتر) خلاصه سازی چگیده ای با استفاده از یادگیری تقویتی ژرف با رویکرد نشانش جمله ای
دانشجو: آقای مهدی قدمی
استاد راهنما: دکتر میرمحسن پدرام
استاد راهنما: دکتر محمدرضا سهیلی
زمان: یکشنبه ۳۰ بهمن ماه ۱۴۰۱ ساعت: ۱۳:۰۰
مکان: کرج دانشکده فنی و مهندسی کلاس ۲۰۳
استاد راهنما: دکتر میرمحسن پدرام
استاد راهنما: دکتر محمدرضا سهیلی
زمان: یکشنبه ۳۰ بهمن ماه ۱۴۰۱ ساعت: ۱۳:۰۰
مکان: کرج دانشکده فنی و مهندسی کلاس ۲۰۳
چکیده
روش‌های خلاصه‌سازی از نظر نوع محتوای متن خلاصه به دو دسته‌ی استخراجی و چکیده‌ای تبدیل می‌شود. در روش استخراجی به متن اصلی تصرفی نمی‌شود. بلکه متن خلاصه صرفاً از متن اصلی استخراج می‌شود. خلاصه‌سازی چکیده‌ای اما بدین شکل نیست. خلاصه‌ساز باید علاوه بر استخراج محتوای مهم و کاربردی؛ به اصطلاح به درک فحوای کلام پرداخته و نیز تولید متنی کند که با حفظ ویژگی‌های مهم متن اصلی و البته تغییرات آن، سندی کوتاه‌تر از آن سند اصلی ارائه‌شده، تحویل دهد.
با استخراج جمله‌های برداری‌شده توسط ترنسفومر SBERT از ستون article مجموعه دادگان CNN Daily Mail و بهره‌گیری از یادگیری تقویتی مبتنی بر مدل، با مدل پاداش تابع شباهت کسینوسی هر بردار جمله‌ای با بردار متن، جملات مهم هر متن استخراج شده و به قسمت چکیده‌ساز فرستاده می‌شوند. چکیده‌ساز جملات استخراج‌شده را به کمک تابع توجه به متن جدیدی تبدیل می‌کند که متن جدید، خلاصه‌ی چکیده‌ای مدنظر ماست. بهره‌گیری از بردارهای جمله‌ای به جای واژه‌های برداری شده به حفظ محتوای متن و خوانایی و انسجام بالای متن تولیدشده بسیار کمک می‌کند و بهره‌گیری از یادگیری تقویتی نیز باعث می‌شود یادگیری در زمان کم‌تری صورت پذیرد.
روش‌های خلاصه‌سازی از نظر نوع محتوای متن خلاصه به دو دسته‌ی استخراجی و چکیده‌ای تبدیل می‌شود. در روش استخراجی به متن اصلی تصرفی نمی‌شود. بلکه متن خلاصه صرفاً از متن اصلی استخراج می‌شود. خلاصه‌سازی چکیده‌ای اما بدین شکل نیست. خلاصه‌ساز باید علاوه بر استخراج محتوای مهم و کاربردی؛ به اصطلاح به درک فحوای کلام پرداخته و نیز تولید متنی کند که با حفظ ویژگی‌های مهم متن اصلی و البته تغییرات آن، سندی کوتاه‌تر از آن سند اصلی ارائه‌شده، تحویل دهد.
با استخراج جمله‌های برداری‌شده توسط ترنسفومر SBERT از ستون article مجموعه دادگان CNN Daily Mail و بهره‌گیری از یادگیری تقویتی مبتنی بر مدل، با مدل پاداش تابع شباهت کسینوسی هر بردار جمله‌ای با بردار متن، جملات مهم هر متن استخراج شده و به قسمت چکیده‌ساز فرستاده می‌شوند. چکیده‌ساز جملات استخراج‌شده را به کمک تابع توجه به متن جدیدی تبدیل می‌کند که متن جدید، خلاصه‌ی چکیده‌ای مدنظر ماست. بهره‌گیری از بردارهای جمله‌ای به جای واژه‌های برداری شده به حفظ محتوای متن و خوانایی و انسجام بالای متن تولیدشده بسیار کمک می‌کند و بهره‌گیری از یادگیری تقویتی نیز باعث می‌شود یادگیری در زمان کم‌تری صورت پذیرد.
مطالب مشابه
دفعات مشاهده: 310 بار |
دفعات چاپ: 49 بار |
دفعات ارسال به دیگران: 0 بار |
0 نظر