پژوهش های نظری و کاربردی هوش ماشینی

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اعضای هیات تحریریه

اصول اخلاقی انتشار مقاله

بانک ها و نمایه نامه ها

پیوندهای مفید

پرسش‌های متداول

فرایند پذیرش مقالات

اطلاعات آماری نشریه

اخبار و اعلانات

تشخیص مکاتب فلسفی با استفاده از یادگیری عمیق

,

نوع مقاله : مقاله پژوهشی

چکیده

در حوزه شناخت مکاتب فلسفی، تفکر هر شخص با توجه به نوع نگرشی که در خصوص مکاتب مختلف می تواند داشته باشد متفاوت است. تشخیص نگرش نویسنده و میزان شباهت آن به هرکدام از مکاتب فلسفی همواره یکی از موضوعات مهم در حوزه علوم انسانی بوده است. در این مقاله، روشی مبتنی بر یادگیری عمیق برای تشخیص مکاتب فلسفی از روی متن پیشنهاد شده است. در روش پیشنهادی، ابتدا متن ها نرمال شده و کلمات اضافی و فاقد معنا حذف می شوند. بعد از مرحله نرمال سازی، متن به جملات و کلمات شکسته شده و سپس با استفاده از کتابخانه فست تکست هر کلمه به بردار عددی تبدیل می شوند، پس از آن با استفاده از شبکه طراحی شده ویژگی های متون استخراج شده و در نهایت سیستم، متون را یاد گرفته و آماده برای استخراج داده ها می باشد و با دادن یک جمله جدید میزان شباهت آن به هر مکتب بیان می شود. بر اساس ارزیابی صورت گرفته، میزان دقت در روش پیشنهادی 94 درصد می باشد.

کلیدواژه‌ها

موضوعات

مراجع
مطهری مرتضی، آشنائی با علوم اسلامی، ج۱، نشر صدرا، صفحه۱۴۷.
ابونصر فارابی، محمد بن محمد، الجمع بین رأیی الحکیمین، صفحه 28.
ابن‌سینا، حسین بن عبدالله، الهیات شفا، صفحه 15.
Deepa Yogish,  N. Manjunath , Ravindra S. Hegadi. “Review on Natural Language Processing Trends and Techniques Using NLTK”: 17 July 2019
RyanSpring ; MatthewJohnson. “The possibility of improving automated calculation of measures of lexical richness for EFL writing: A comparison of the LCA, NLTK and SpaCy tools”: June 2022
Piotr Semberecki , Henryk Maciejewski , All Authors. “Deep learning methods for subject text classification of articles”: 3-6 Sept. 2017
Mikolov, et al. “Efficient Estimation of Word Representations in Vector Space.” ArXiv.org, 7 Sept. 2013
Tejas Menon. “Empirical Analysis of CBOW and Skip Gram NLP Models” Summer 2020
Takamune Onishi; Hiromitsu Shiina. “Distributed Representation Computation Using CBOW Model and Skip–gram Model”: 1-15 Sept. 2020
Lucky Agarwal , Kartik Thakral , Gaurav Bhatt , Ankush Mittal. “Authorship Clustering using TF-IDF weighted Word-Embeddings”: 12 December 2019
Shervin Minaee , Nal Kalchbrenner , All Authors. “Deep Learning--based Text Classification: A Comprehensive Review” 17 April 2021
Pranav Malik; Aditi Aggrawal; Dinesh K. “Toxic Speech Detection using Traditional Machine Learning Models and BERT and fastText Embedding with Deep Neural Networks”: April 2021
Tengjun Yao; Zhengang Zhai. “Text Classification Model Based on fastText”:  September 2020
Armand Joulin, Edouard Grave, Piotr Bojanowski, Tomas Mikolov. “Bag of Tricks for Efficient Text Classification” ; [Submitted on 6 Jul 2016 (v1), last revised 9 Aug 2016 (this version, v3)]
Tomas Mikolov, Kai Chen, Greg Corrado, Jeffrey Dean. “Efficient Estimation of Word Representations in Vector Space” ; [Submitted on 16 Jan 2013 (v1), last revised 7 Sep 2013 (this version, v3)]
Ye Zhang, Byron Wallace. “A Sensitivity Analysis of (and Practitioners' Guide to) Convolutional Neural Networks for Sentence Classification” ; [Submitted on 13 Oct 2015 (v1), last revised 6 Apr 2016 (this version, v4)]
Marek Słoński, Krzysztof Schabowicz, Ewa Krawczyk “Detection of Flaws in Concrete Using Ultrasonic Tomography and Convolutional Neural Networks”; [27 March 2020]
Dabal Pedamonti. “Comparison of non-linear activation functions for deep neural networks on MNIST classification task” ; [8 Apr 2018]
FlorentinBieder, Robin Sandkühler, Philippe C. Cattin. “Comparison of Methods Generalizing Max- and Average-Pooling” ; 2 Mar 2021
Diederik , P. Kingma,, Jimmy Ba. “Adam: A Method for Stochastic Optimization” ;[Submitted on 22 Dec 2014 (v1), last revised 30 Jan 2017 (this version, v9)]
 
 
 
 
 
پژوهش های نظری و کاربردی هوش ماشینی
دوره 1، شماره 2
آذر 1402
صفحه 118-130
فایل ها
هم رسانی
ارجاع به این مقاله
آمار