ScholarGate
دستیار
Process / pipeline

امتیازدهی انسجام متن — مدل‌سازی انسجام محلی

امتیازدهی انسجام متن، با استفاده از یادگیری ماشین، امتیازی در سطح سند برای انسجام محاسبه می‌کند که ریشه در مدل انسجام محلی مبتنی بر موجودیت دارد که توسط Barzilay و Lapata (2008) معرفی شد. این روش با استفاده از مدل شبکه موجودیت (entity-grid model)، رویکرد مبتنی بر گراف، یا مدل مبتنی بر ترنسفورمر، میزان پیوستگی جملات یک متن را اندازه‌گیری می‌کند.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Barzilay, R. & Lapata, M. (2008). Modeling Local Coherence: An Entity-Based Approach. Computational Linguistics, 34(1), 1-34. DOI: 10.1162/coli.2008.34.1.1
  2. Guinaudeau, C. & Strube, M. (2013). Graph-based Local Coherence Modeling. Proceedings of the 51st Annual Meeting of the Association for Computational Linguistics (ACL), 93-103. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 1). Text Coherence Scoring (Local Coherence Modeling). ScholarGate. https://scholargate.app/fa/text-mining/text-coherence-scoring

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateText Coherence Scoring (Text Coherence Scoring (Local Coherence Modeling)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/text-mining/text-coherence-scoring · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026