జర్నల్ ఆఫ్ ఇన్ఫర్మేషన్ టెక్నాలజీ & సాఫ్ట్వేర్ ఇంజనీరింగ్
అందరికి ప్రవేశం

నైరూప్య

సోషల్ మీడియాలో పోస్ట్ చేయబడిన వార్తా అంశాల కోసం అమ్హారిక్ టెక్స్ట్ సారాంశం

అబయ్న్యూ గ్వాడీ*, డెబెలా టెస్ఫాయే, టెఫెరి కెబెబెవ్

ఈ పేపర్ సోషల్ మీడియాలో పోస్ట్ చేసిన వార్తల ఐటెమ్‌ల కోసం అమ్హారిక్ టెక్స్ట్ సారాంశాన్ని పరిచయం చేస్తుంది, అమ్హారిక్ టెక్స్ట్‌లను పోస్ట్ చేసిన వార్తలను క్లుప్తీకరించడానికి ట్విట్టర్ మరియు ఫేస్‌బుక్‌లో సోషల్ మీడియా నుండి పోస్ట్ చేసిన డాక్యుమెంట్‌లను; సోషల్ మీడియా పోస్ట్ చేసిన టెక్స్ట్‌ల యొక్క ప్రధాన సమస్యలు ఏమిటంటే, చాలా మంది వ్యక్తులు వాటిని నకిలీ పోస్ట్ చేసిన డాక్యుమెంట్‌లతో అమ్హారిక్ టెక్స్ట్‌లలో పోస్ట్ చేసినట్లు చదవవచ్చు. అయినప్పటికీ, వినియోగదారు సారాంశం పోస్ట్ చేసిన టెక్స్ట్‌లను కనుగొనడానికి వెతుకుతున్న సమాచారాన్ని కనుగొనడానికి మరియు సోషల్ మీడియాలో కావలసిన సమాచారాన్ని సేకరించేందుకు పోస్ట్‌ల యొక్క ముఖ్యమైన భాగాలను అమ్హారిక్ పత్రాలుగా చదవండి. సారాంశం అనేది సారాంశం కోసం పోస్ట్ చేసిన డాక్యుమెంట్‌ల ప్రస్తుత సమయ ప్రాతినిధ్యం కోసం టెక్స్ట్ డాక్యుమెంట్‌తో ప్రెజెంటింగ్ మరియు పోస్ట్ చేయడం వంటి సమాచార ఓవర్‌లోడ్‌తో వ్యవహరిస్తుంది. మా ప్రతిపాదిత విధానం మూడు ప్రధాన భాగాలను కలిగి ఉంది: ముందుగా, రెండు జతల వాక్యాలలో పోస్ట్ చేసిన ప్రతి పత్రం మధ్య సారూప్యతను లెక్కించండి. రెండవది, Kmeans అల్గారిథమ్ ఉపయోగించి వాటిని సమూహపరచడానికి పత్రాల సారూప్యత ఫలితాల ఆధారంగా క్లస్టరింగ్. మూడవది, TF-IDF అల్గారిథమ్‌లను ఉపయోగించి క్లస్టర్డ్ పోస్ట్ చేసిన పత్రాన్ని వ్యక్తిగతంగా సంగ్రహించడం, ఇందులో డాక్యుమెంట్‌లకు ర్యాంక్ ఇవ్వడానికి తరచుగా ఉండే నిబంధనల కోసం గణాంక మార్గాలను కనుగొనడం ఉంటుంది. సారాంశాన్ని రూపొందించడానికి పోస్ట్ చేసిన డాక్యుమెంట్‌లలో అత్యధిక ర్యాంక్ ఉన్న వాక్యాలతో వాక్యాలను సంగ్రహించడానికి కేటాయించిన ఎక్స్‌ట్రాక్టివ్ సమ్మరైజేషన్ విధానం మేము సారాంశాన్ని వర్తింపజేసాము మరియు సారాంశం యొక్క పరిమాణాన్ని వినియోగదారు గుర్తించవచ్చు. ఒక ప్రయోగంలో, నిరసనల పోస్ట్‌ల క్లస్టర్డ్ గ్రూప్‌లో 30% వద్ద వెలికితీత రేటుకు అత్యధిక F-మెజర్ స్కోర్ 87.07%. రెండవ ప్రయోగంలో, కరువుల తర్వాత సమూహాలలో 30% వద్ద వెలికితీత రేటుకు అత్యధిక F-కొలత స్కోరు 84%. మూడవ ప్రయోగంలో, అత్యధిక F-కొలత స్కోర్ 30% వద్ద వెలికితీత రేటుకు 91.37%, స్పోర్ట్స్ పోస్ట్ సమూహాలలో మరియు నాల్గవ ప్రయోగాలలో సారాంశాన్ని రూపొందించడానికి సంగ్రహణ రేటు 30% వద్ద అత్యధిక F-కొలత స్కోర్ 93.52%. పోస్ట్ పాఠాలు. సారాంశం యొక్క పరిమాణాన్ని రూపొందించడానికి సిస్టమ్ పెరిగినట్లయితే, పోస్ట్ చేసిన టెక్స్ట్‌లలో వెలికితీత రేటు కూడా పెరుగుతుంది. దీని కోసం, సోషల్ మీడియాలో పోస్ట్ చేసిన పాఠాలను సంగ్రహించడానికి మూల్యాంకన విధానం చాలా మంచి ఫలితాలను చూపింది.