خوشه‌بند‌ي متن‌كوتاه با استفاده از الگوريتم شبكه عصبي بازگشتي و تجزيه و تحليل معنايي نهفته

با رشد روز افزون اطلاعات و ارتباطات آنلاين، توليد متن به طور چشمگير‌ي در حال افزايش مي‌باشد و پردازش اين متن‌ها با روش‌هاي دستي كاري مشكل و وقت‌گير است، به همين دليل پردازش متن، موضوعي چالش بر انگير در پردازش زبان طبيعي است. در اين مقاله يك روش خوشه بندي متن كوتاه با شبكه عصبي بازگشتي(RecNN) و تجزيه و‌‌ تحليل معنايي نهفته (LSA)‌‌ پيشنهاد شده است. در اين روش ابتدا متن‌هاي ورودي وارد شبكه عصبي مي‌شود، در شبكه ابتدا كدگذار خودكار در حالت بدون نظارت، پيشبيني تقريبي بر اساس ساختار درختي به دست مي‌آورد و سپس در حالت نيمه نظارتي، ارتباط معنايي بين كلمات را پيش‌بيني مي‌كند و پس از آموزش شبكه، متن‌ها وارد الگوريتم تجزيه و تحليل معنايي نهفته مي‌شود تا ارتباطي بين كلمات به وجود آورد و در نهايت با الگوريتم K-means عمليات خوشه بندي را انجام مي‌دهد. نتايج ارزيابي، نشان دهنده دقت 44.77 اين الگوريتم بر روي ديتاست Stack Over Flow است. بنابراين مي‌توان گفت كه اين روش، عملكرد بهتري نسبت به روش‌هاي پايه در خوشه‌ بندي متن‌كوتاه به دست آورده است.