Аннотация:
Предлагается подход к автоматической рубрикации текстовых документов на основе совместного применения метода латентно-семантического анализа (ЛСА) и алгоритма нечёткого вывода Мамдани. Метод ЛСА используется для смыслового анализа информации в системах электронного документооборота путем выявления семантических зависимостей между термами документов и получения коэффициента соответствия сравниваемых векторов.
Предлагается база правил для алгоритма нечёткого вывода Мамдани, реализующего автоматическую рубрикацию документов по множеству заданных тематик с возможностью автоматизированного контроля за распределением документов не соответствующим заданным тематикам или имеющим сходство сразу по нескольким тематическим категориям на основе результатов латентно-семантического анализа.
Образец цитирования:
А. Д. Хомоненко, С. В. Логашев, С. А. Краснов, “Автоматическая рубрикация документов с помощью латентно-семантического анализа и алгоритма нечёткого вывода Мамдани”, Тр. СПИИРАН, 44 (2016), 5–19
\RBibitem{KhoLogKra16}
\by А.~Д.~Хомоненко, С.~В.~Логашев, С.~А.~Краснов
\paper Автоматическая рубрикация документов с помощью латентно-семантического анализа и алгоритма нечёткого вывода Мамдани
\jour Тр. СПИИРАН
\yr 2016
\vol 44
\pages 5--19
\mathnet{http://mi.mathnet.ru/trspy851}
\crossref{https://doi.org/10.15622/sp.44.1}
\elib{https://elibrary.ru/item.asp?id=25616414}
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/trspy851
https://www.mathnet.ru/rus/trspy/v44/p5
Эта публикация цитируется в следующих 3 статьяx:
Yuliya Fomenko, Anatoly Khomonenko, “Detection of Transport Object Coordinates Under Signal Scarcity Using Takagi — Sugeno Fuzzy Inference Model”, Intellectual Technologies on Transport, 2025, no. 1, 46
М. С. Голосовский, А. В. Богомолов, Д. С. Теребов, Е. В. Евтушенко, “Алгоритм настройки системы нечёткого логического вывода типа Мамдани”, Вестн. Южно-Ур. ун-та. Сер. Матем. Мех. Физ., 10:3 (2018), 19–29
A. D. Khomonenko, V. L. Dashonok, K. A. Ivanova, D. T. Kassymova, 2017 XX IEEE International Conference on Soft Computing and Measurements (SCM), 2017, 737
Цитирование в формате AMSBIB
Обратная связь: