چکیده مقاله
پایگاه داده های متنی با توجه به افزایش میزان اطلاعات موجود در فرم الکترونیکی، مانند نشریات الکترونیکی، انواع مختلف مدارک الکترونیکی، پست الکترونیکی و شبکه جهانی وب به سرعت در حال رشد میباشند یکی از مهم ترین تکنیک های متن کاوی، دسته بندی متون است متن کاوی را میتوان به عنوان متدها و الگوریتمهایی از فیلدهای یادگیری ماشین و آماری برای متنها با هدف پیدا کردن الگوهای مفید در نظر گرفت در این تحقیق الگوریتم انتخاب ویژگی فیلتری بهره اطلاعات مورد استفاده قرار گرفته است این مقاله روشی برای دسته بندی متون پیشنهاد شده است که در آن ابتدا یک دسته بند ماشین بردار پشتیبان ، بیز ساده و درخت تصمیم با تعداد کمی نمونه برچسب دار ساخته می شود، سپس با استفاده از یادگیری فعال و بکارگیری روش نمونه گیری بر اساس عدم اطمینان به همراه ایده جدید مشابهت و انتخاب گروهی نمونه ها ، به صورت هدفمند نمونه های مفید را برای برچسب گذاری به کاربر می دهد تا در آموزش دسته بند از آنها استفاده کند
کلیدواژهها
نویسندگان
پیمان جلالی
آموزشکده فنی و حرفه ای سما دانشگاه آزاد اسلامی واحد سوسنگرد ایران
سید محسن هاشمی
آموزشکده فنی و حرفه ای سما دانشگاه آزاد اسلامی واحد سوسنگرد ایران
عارف سیاحی
آموزشکده فنی و حرفه ای سما دانشگاه آزاد اسلامی واحد سوسنگرد ایران
عادل حیدری
آموزشکده فنی و حرفه ای سما دانشگاه آزاد اسلامی واحد سوسنگرد ایران
شیوه ارجاع
�لالی، پیمان و هاشمی، سید محسن و سیاحی، عارف و حیدری، عادل،1394،ارائه یک روش دسته بندی متون با تکنیک کاهش ویژگی فیلتری و یادگیری ماشین،کنفرانس بین المللی یافته های نوین پژوهشی درمهندسی برق و علوم کامپیوتر،تهران
ارائهشده در
مجموعه مقالات سومین کنفرانس ملی محاسبات نرم علوم مهندسی در صنعت و جامعه1 اسفند 1402 · ایرانشهر