مشخصات پژوهش

عنوان	پیش بینی شباهت متن با استفاده از یک شبکه عصبی سیامی مبتنی بر شبکه عمیق و ویژگی های شباهت لغوی
نوع پژوهش	مقاله چاپ شده
کلیدواژه‌ها	شباهت متن, یادگیری عمیق, شبکه سیامی, معیارهای تشابه متن
چکیده	اندازه گیری شباهت متن یکی از اصلی ترین عملیات در کاربرد های مرتبط با متن نظیر بازیابی اطلاعات، خوشه بندی متن، سیستم های پرسش و پاسخ است. هدف این مطالعه ارائه رویکردی برای بهبود دقت مدل های یادگیری عمیق در اندازه گیری تشابه متون است. بدین منظور یک رویکرد ترکیبی مبتنی بر شبکه عصبی سیامی و ویژگی های شباهت لغوی ارائه می شود. شبکه سیامی پیشنهادی شامل دو زیر شبکه یکسان است که اجزای اصلی هر کدام از آن ها به صورت کلی شامل یک لایه تعبیه کلمات و شبکه عصبی عمیق است. با در نظر گرفتن سه نوع شبکه عصبی عمیق شامل شبکه عصبی پیچشی، شبکه حافظه کوتاه مدت طولانی و شبکه حافظه کوتاه مدت طولانی دوطرفه و همچنین دو نوع مدل تعبیه کلمات به همراه ویژگی های شباهت لغوی، گونه های مختلفی از مدل ها پیاده سازی می شود. نتایج آزمایش ها روی سه مجموعه داده مورد استفاده نشان می دهد مدل شبکه عصبی سیامی ترکیبی مبتنی بر شبکه پیچشی و ویژگی های لغوی بالاترین مقدار همبستگی پیرسون و کمترین مقدار میانگین مربع خطاها (MSE) را در بین مدل ها به دست می آورد. همچنین نتایج بدست آمده حاکی از عملکرد موفق مدل پیشنهادی نسبت به مدل های تحقیقات قبلی در معیارهای ضریب همبستگی و MSE است.
پژوهشگران	فریبا خلج (نفر اول)، حسین عباسی مهر (نفر دوم)