مروري بر روش ها و پژوهش هاي دسته بندي خودكار متون فارسي

دسته بندي اسناد متني يا تشخيص عنوان به فرآيند شناسايي خودكار موضوع يك سند متني (مانند هنري، ورزشي، سياسي، `علمي و...) گفته مي شود كه در كاربردهاي مختلف پردازش زبان طبيعي مانند بازيابي اطلاعات و تحليل متون مورد استفاده است. يك سامانه دسته بندي كننده خودكار متون، مشابه اغلب سامانه هاي بازشناسي الگو، از دو گام مهم استخراج ويژگي و دسته بندي تشكيل شده است. در اين مقاله، مروري بر روش هاي رايج براي استخراج ويژگي و دسته بندي در اين سامانه ها صورت گرفته و پژوهش هايي كه در اين حوزه براي زبان فارسي انجام شده است، مرور شده اند. همچنين، تحليلي از نقاط قوت و ضعف روش هاي موجود و مقايسه كارهاي صورت گرفته با همديگر ارائه شده است.

No abstract