بررسی رویکردهای متن کاوی و عملکرد آن در کشف و استخراج موضوع

در این پژوهش چهار روش متن کاوی بررسی می شود و بر درک و شناسایی خصوصیات و محدودیت های آن ها در کشف موضوع تمرکز می کند. این چهار روش عبارت اند از 1) تجزیه وتحلیل معنایی پنهان(LSA) 2) تحلیل معنایی پنهان احتمالاتی(PLSA)، 3) تخصیص دیریکله پنهان(LDA) و 4) مدل سازی موضوعی همبسته(CTM).

پژوهش حاضر از نوع کتابخانه ای است که در آن، ادبیات حوزه متن کاوی و مدل سازی موضوعی مرور و تحلیل شده است.

تجزیه وتحلیل معنایی پنهان می تواند برای تشخیص موضوعات خاص و منحصربه فرد در مدارکی که تنها به یک موضوع پرداخته اند استفاده شود. سه روش دیگر متن کاوی، بر موضوعات و گرایش کلی متن متمرکز هستند. تحلیل معنایی پنهان احتمالاتی  برای مدارکی که به یک موضوع پرداخته اند قابل استفاده است اما برخلاف تجزیه وتحلیل معنایی پنهان ، این روش در کشف موضوعات و مضامین کلی متن کاربرد دارد. درحالی که تخصیص دیریکله پنهان  در مورد مدارکی که به چندین موضوع پرداخته اند کاربرد بیشتری دارد. روش مدل سازی موضوعی همبسته  می تواند در تشخیص ارتباط بین دسته های موضوعی مختلف استفاده شود.

رویکردهای متن کاوی به خاطر بهره گیری از تحلیل معنایی در کشف و استخراج موضوع متون مناسب است