مقدمه:
خلاصه سازی روشی است برای فشرده سازی منتهای بسیاربزرگ که به دلیل روش بیشترین درمرتبط نرین اطلاعات موجود درمتن استخراج می شودآنچه که مارادراین محدود می نماید استخراج مرتبط ترین اطلاعات وعامل مهم دیگرخواندنی بودن وقابل فهم بودن متن است.
باتوجه به افزایش روزافزون اطلاعات موجود دراینترنت که به صورت الکترونیکی ارائه می شود، تحقیقات وسیعی برروی این زمینه درحال انجام است تابتوان هرچه سریع تر به مرتبط ترین اطلاعات است یافت مثلاٌ :اگر شما دراینترنت به دنبال موضوعی باشید حجم وسیعی ازصفحات اینترنتی دراختیار شما قرار نی گیرد حال باید تک تک این صفحات رابه طور کامل مطالعه ؟؟؟؟؟ به اطلاعات موردنیاز دست پیداکنیم . ولی به کمک روشهای خلاصه سازی می توان به راحتی خلاصه یک صفحه اینترنتی رادرچند جمله مشاهده کنید وسپس به به طور خلاصه سازی کلی صورت می پذیرد:
1- خلاصه سازی مبتنی برفهم مطلب
2- خلاصه سازی مبتنی براستخراج مطالب مهم
روش اول که نام دیگرآن (پرورش طبیعی زبانی) (NLP) می باشد یعنی سعی وآموزش سیستم درفهمیدن متن وباتوجه که قواعد وساختار های زبانی درباره وبایک ساختار جدید تری متن راخلاصه کند دراین روش مانیاز مند گرامر ونحوه جمله نویسی یک زبان خاص هستیم.
قدرت واهمیت این روش دراین است که ازدقت بالاتری برخوردار است ولی به دلیل سرعت پائین وپیچیدگی بسیار زیاد کمتراستفاده می شود.
روش دوم که به روش های آماری معروف هستند ابتدا متن رابه تعداد جملات خود افراد کرده وهر جمله رابایک بردار نگاشت می کنیم که این بردار ها مثال یک سری ویژگی های خاص نظیر تعداد کلمات بعد ویاتعداد اتفاقیی افتادن کلمات کلیدی درآن و... می باشد ازاین روش نیازمند یهای زیادی هستیم تابه یک کلیت ارتمام تنها بوسیله ازاین روش براساس یک سری ویژگی که بردار هرجمله تشکیل می دهند یادمیگیریم که چ=گونه جملات مزتبط بامفهوم متن راپیدا کنیم.
درسالیان اخیر شاهد حرکتی مستمر ، ازتحقیقا ت صرفاً تئوری به تحقیقات کاربردی بخصوص درزمینه پردازش اطلاعات ، برای مسائلی که برای آنه ا راه حلی موجود نیست ویا براحتی قابل حل نیستندبوده ایم. باعنایت به این امر ، علاقه فرازینده ای درتوسعه تئوریک سیستمهای دینامیکی هوشمند که مبتنی برداده ها تجربی هستتند – ایجاد شد ه است شبکه های عصبی مصنوعی جزء این دسته ازسیستمای دینامیکی قراردارند، که باپردازش روی داده ها ی تجربی ، دانش یاقانون نهفته درورای داده ها رابه ساختار شبکه منتقل می کنند. به همین خاطر به این سیستمها هوشمند گویند چراکه براساس محاسبات روی داده ها ی عددی یامثالها، قوانین کلی رافرار می گیرند .این سیستمها درمدلسازی ساختار نرو- سیناتپتیکی مغز باشد.
پیاد ه سازی ویژگیهای شگف انگیز مغز دریک سیستم مصنوعی (سیستم دینامیکی ساخته دست بشر) همیشه وسوسه انگیز ومطلوب بوده است محققینی که طی سالها در این زمینه فعالیت کرده اند بسیارند؛ لیکن نتیجه ای ن تلاشها ، صرف نظر ازیافته های ارزشمند، باور هرچه بیشتر این اصل بوده اس ت که مغز بشر دست نیافتنی است.
سبکه های عصبی چه دربعد آنالیز وتوسعه ساختاری وچه دربعد پیاده سازی سخت افزار ازنظر کمی وکیفی وتوانایی درحال رشد وپیشرفت می باشد وتکنیکهای مختلف محاسبات عصبی ازلحاظ تعداد همچنان درحال افزایش است فعالیت علمی و کاربردی درمسائل فنی – مهندسی ازقبیل سیستمهای کنترلی ،پردازش سیگنالهاو شناسایی الگو گسترش یافته است. بااذعان بخه این مسائل، دراین بخش قصد داریم به معنای شبکه های عصبی مصنوعی ، حدود انتظارات ماازاین شبکه هاوشباهتهای آنها با شبکه های واقعی بپردازیم.