چکیده: دردﻧﯿﺎیاﻣﺮوزﺑﻪدﻟﯿﻞاﻓﺰاﯾﺶﺣﺠﻢاﻃﻼﻋﺎتاﯾﻨﺘﺮﻧﺘوﻓﺮاواﻧﻓﺮﻫﻨﮓ ﻫﺎیﻣﺨﺘﻠﻒدﯾﺠﯿﺘﺎﻟ، وﺟﻮدﺗﺸﺎﺑﻪدرداده ﻫﺎیﻣﺘﻨﺑﻪدﻻﯾﻞﻣﺨﺘﻠﻔاﻓﺰاﯾﺶﭘﯿﺪاﮐﺮدهاﺳﺖ،ﺑﻪﻫﻤﯿﻦدﻟﯿﻞﺗﺨﻤﯿﻦ ﻣﯿﺰانﺷﺒﺎﻫﺖﻣﯿﺎنآن ﻫﺎاﻣﺮیﺿﺮوریﺑﻪﺣﺴﺎبﻣ آﯾﺪ. ﻫﻤﭽﻨﯿﻦﯾﺎﻓﺘﻦﺷﺒﺎﻫﺖﻣﯿﺎنداده ﻫﺎی ﻣﺘﻨدرزﻣﯿﻨﻪ ﻫﺎﯾﯽﻫﻤﭽﻮنﺳﯿﺴﺘﻢ ﻫﺎیﺑﺎزﯾﺎﺑﯽاﻃﻼﻋﺎت،ﺳﺮﻗﺖادﺑﯽ،داده ﮐﺎوی،ﻃﺒﻘﻪ ﺑﻨﺪی اﺳﻨﺎدوﻣﻮاردﺑﺴﯿﺎردﯾﺮیﻣﻮرداﺳﺘﻔﺎدهﻗﺮارﻣ ﮔﯿﺮد. ﺑﺎورودﺟﻤﻠﻪﯾﺎﺳﻨﺪﯾﺎﻣﺘﻨﺑﻪﺳﯿﺴﺘﻢ،ﻣﯿﺰانﺷﺒﺎﻫﺖآنﺑﺎاﺳﻨﺎدﻣﻮﺟﻮدﻣﻮردﺑﺮرﺳﻗﺮار ﻣ ﮔﯿﺮدودرزﻣﯿﻨﻪﻣﻮردﻧﻈﺮاﺳﺘﻔﺎدهﻣ ﺷﻮد. ﺗﺎﮐﻨﻮنروش ﻫﺎیﻣﺨﺘﻠﻒﭘﺮدازشزﺑﺎنﻃﺒﯿﻌو ﯾﺎدﮔﯿﺮیﻣﺎﺷﯿﻦﺑﺮایﻣﺤﺎﺳﺒﻪﻣﯿﺰانﺷﺒﺎﻫﺖداده ﻫﺎیﻣﺘﻨﻣﻌﺮﻓﺷﺪه اﻧﺪ.اﯾﻦروش ﻫﺎﺑﻪﻣﯿﺰان دﻗﺖﻣﺘﻔﺎوﺗدﺳﺖﯾﺎﻓﺘﻪ اﻧﺪ،ﺑﺮایﺑﻬﺒﻮداﯾﻦﻣﻌﯿﺎرﻧﯿﺎزاﺳﺖﺗﺎﭘﮋوﻫﺶ ﺑﻬﺘﺮیﺻﻮرتﮔﯿﺮد. از ﺟﻤﻠﻪروش ﻫﺎیآﻣﺎریﮐﻪﺟﺰروش ﻫﺎیﻣﺒﺘﻨﺑﺮﭘﯿﺮهﻣ ﺑﺎﺷﺪوازﺗﺮﮐﯿﺐاﯾﻦروشﺑﺎروش ﻫﺎی دﯾﺮﻣﺗﻮانﺑﻪﻧﺘﺎﯾﺞﺟﺎﻟﺐدﺳﺖﯾﺎﻓﺖ. دراﯾﻦﭘﮋوﻫﺶ،ﻗﺒﻞازﺗﺒﺪﯾﻞﻣﺘﻦﺑﻪﻓﺮﻣﺖﻗﺎﺑﻞﺧﻮاﻧﺪنﺑﺮایﻣﺎﺷﯿﻦ،ﭘﯿﺶ ﭘﺮدازشرویداده ﻫﺎ اﻋﻤﺎلﻣ ﺷﻮدﺗﺎوﯾﮋﮔ ﻫﺎﮐﺎﻫﺶﯾﺎﺑﺪودﻗﺖاﻧﺪازه ﮔﯿﺮیراﺑﺎﻻﺑﺒﺮد.ﭘﺲازآنﺑﺎاﺳﺘﻔﺎدهازﺗﺨﺼﯿﺺ ﭘﻨﻬﺎندﯾﺮﯾﻠﺖﻫﺮﮐﻠﻤﻪﺑﻪﯾﻧﻤﺮهﻫﻤﺒﺴﺘﮕاﺧﺘﺼﺎصﻣ ﯾﺎﺑﺪواﯾﻦروﻧﺪﺑﺮاﺳﺎساﺣﺘﻤﺎﻻتﺗﮑﺮار ﻣ ﺷﻮدﺗﺎاﺧﺘﺼﺎصﻧﻤﺮهﻫﻤﺒﺴﺘﮕﺑﻪﮐﻠﻤﺎتﺑﻬﺒﻮدﯾﺎﺑﺪوﺟﻤﻠﻪدردﺳﺘﻪﻣﻮردﻧﻈﺮﻗﺮارﮔﯿﺮد.ﺑﺮای اﺳﺘﻔﺎدهﺷﺪهاﺳﺖ.ﺳﭙﺲﺑﺮایﻣﺤﺎﺳﺒﻪﺷﺒﯿﻪ ﺗﺮﯾﻦﺟﻤﻼتازﻓﺎﺻﻠﻪdoc2bowﺑﺎزﻧﻤﺎﯾﯽﺟﻤﻼتﻧﯿﺰاز ﺟﻨﺴﻦﺷﺎﻧﻮنﮐﻪﺑﺎﻣﻘﺎﯾﺴﻪواﮔﺮاﯾﯽﺗﻮزﯾﻊﺑﺮﭼﺴﺐﻣﻮردﻧﻈﺮﺑﺪﺳﺖﻣ آﯾﺪاﺳﺘﻔﺎدهﺷﺪهاﺳﺖ.در اﻧﺘﻬﺎﻣﺎﺷﯿﻦﺑﺮدارﭘﺸﺘﯿﺒﺎنﺧﻄوﺗﺎﺑﻊﭘﺎﯾﻪﺷﻌﺎﻋراﺑﺮایدﺳﺘﻪ ﺑﻨﺪیﺟﻤﻼتﻣﺸﺎﺑﻪﺑﻪﮐﺎرﺑﺮده درﺻﺪرویﭘﺎﯾﺎه٠,٩٢اﺳﺖ. روشﭘﯿﺸﻨﻬﺎدیﺑﻪدﻗﺖدﺳﺘﻪ ﺑﻨﺪی٩٨درﺻﺪوﻧﻤﺮهﻫﻤﺒﺴﺘﮕ MaLSTMدرﺻﺪدﻗﺖﺑﻬﺘﺮیﻧﺴﺒﺖﺑﻪﭘﮋوﻫﺶ٣,٨دﺳﺖﭘﯿﺪاﮐﺮدهاﺳﺖوﺗﻮاﻧﺴﺘﻪاﺳﺖSICKداده داﺷﺘﻪﺑﺎﺷﺪ.