مقایسه عملکرد رویکردهای کشف و استخراج موضوعات کتاب های الکترونیکی

استخراج کلمات کلیدی از مسایل مهم در زمینه پردازش و تحلیل متن بوده و خلاصه ای سطح بالا و دقیق از متن ارایه می دهد. بنابراین انتخاب روش مناسب برای استخراج کلمات کلیدی متن حایز اهمیت است. هدف پژوهش حاضر، مقایسه عملکرد سه رویکرد درکشف و استخراج کلیدواژه های موضوعی کتاب های الکترونیکی با استفاده از تکنیک های متن کاوی و یادگیری ماشین است. در این راستا سه رویکرد آزمایشی شامل: 1.اجرای متوالی فرآیند خوشه بندی، ارتقا کیفیت خوشه ها از نظر معنایی و غنی سازی کلمات توقف حوزه خاص؛ 2. استفاده از الگوی کلیدواژه های تخصصی؛ 3. استفاده از بخش های مهم متن در کشف و استخراج واژگان کلیدی و موضوعات مهم متن، معرفی و مورد مقایسه قرار گرفته است. جامعه آماری، شامل 1000 عنوان کتاب الکترونیکی از زیرشاخه های موضوعی حوزه علم اطلاعات و دانش شناسی بر اساس نظام رده بندی کنگره است که بعد از کسب اطلاعات کتابشناختی آن از پایگاه کتابخانه کنگره، اقدام به تهیه متن اصلی گردید. استخراج کلیدواژهای موضوعی و خوشه بندی داده های آموزش به کمک الگوریتم تجزیه نامنفی ماتریس و با سه رویکرد آزمایشی انجام شد و کیفیت و عملکرد خوشه های موضوعی حاصل از اجرای سه رویکرد در بخش دسته بندی خودکار داده های آزمایشی به کمک ماشین بردار پشتیبان مورد مقایسه قرار گرفت. یافته ها نشان داد افت همینگ (0.020) یا میزان خطا در دسته بندی صحیح متون آزمایشی در رویکرد سوم یعنی بهره گیری از بخش های مهم متن در استخراج کلیدواژه های موضوعی، از دو رویکرد دیگر کمتر است. همچنین امتیاز F1 (0.82) که میانگین دو معیار دقت (0.87) و بازخوانی (0.78) و بازتابی از عملکرد درست فرآیند دسته بندی در برچسب گذاری موضوعی متون است، در رویکرد سوم بهتر از نتایج دو رویکرد دیگر است. نتایج تحلیل ها نشان داد که کیفیت و انسجام معنایی خوشه های موضوعی حاصل از رویکرد سوم یعنی استفاده از بخش های مهم متن در کشف و استخراج موضوع، در مقایسه با دو رویکرد دیگر بهتر بود. بعلاوه کلیدواژه های به دست آمده از خوشه های موضوعی رویکرد سوم را می توان در مجموعه های توصیف نشده و ناشناخته به منظور استخراج محتوای موضوعی ناآشکار کل مجموعه به کار برد.