دسته بندی متون انگلیسی با استفاده از الگوریتم های درخت تصمیم،بگینگ

چکیده مقاله

با توجه به گسترش و توسعه سریع سایت های تجاری و رسانه های اجتماعی حجم زیادی از داده ها تولید می شود این حجم زیاد داده های تولید شده نیاز به سازماندهی مناسب دارد به همین دلیل فرآیند متن کاویبرای استخراج ویژگیهای مرتبط و دانش از اسناد غیر ساخت یافته مورد استفاده قرار می گیرد متن کاوی درواقع استخراج اطلاعات و دانش مفید از متون غیرساخت یافته است حجم زیادی از اسناد و منابع در پایگاهاطلاعاتی الکترونیکی قرار دارند برخی از این پایگاه های اطلاعاتی شامل اطلاعات با ارزش هستند که دانشانبوهی را در خود پنهان کرده اند روش طبقه بندی اسناد در متن کاوی برای استخراج ویژگی های مرتبط مورداستفاده قرار می گیرد در این روش با استفاده از داده های آموزشی مدلی ایجاد می شود و سپس داده های جدیدبه مدل ایجاد شده داده می شود و برچسب آنها پیش بینی می شود الگوریتم های طبقه بندی زیادی برای زبانانگلیسی و زبان های دیگر وجود دارند هر کدام از این الگوریتم ها برای بهبود شرایط طبقه بندی با گذشت زماندست خوش تغییرات و تکاملاتی شده اند در این مقاله با ترکیب این الگوریتم ها سعی در بهبود طبقه بندیخواهیم داشت و نتایج حاصل را ارائه خواهیم کرد

کلیدواژه‌ها

نویسندگان

محسن نوروزی

دکتری کامپیوتر، دانشکده کامپیوتر، شبکه و ارتباطات، دانشگاه امام حسین ع ، تهران، ایران

علی ارشقی

دکتری برق مخابرات، دانشکده کامپیوتر، شبکه و ارتباطات، دانشگاه امام حسین ع ، تهران، ایران

جواد اسدی

دانشجوی دکتری سیستم های نرم افزاری، دانشکده کامپیوتر، دانشگاه آزاد اسلامی، قزوین، ایران

نوروزی، محسن و ارشقی، علی و اسدی، جواد،1401،دسته بندی متون انگلیسی با استفاده از الگوریتم های درخت تصمیم،بگینگ،نهمین همایش ملی علوم و مهندسی دفاعی با محوریت فناوری های دانش بنیان دفاعی،تهران

ارائه‌شده در

مجموعه مقالات نهمین همایش ملی علوم و مهندسی دفاعی با محوریت فناوری های دانش بنیان دفاعی7 اسفند 1401 · تهران