بهبود دسته بندی متون فارسی با ترکیب روش دو مرحله ای انتخاب ویژگی و الگوریتم های یادگیری ماشین

چکیده مقاله

امروزه با افزایش حجم داه ها و اسناد متنی نیاز به دسته بندی اسناد احساس می شود از جمله کاربردهای متن کاوی می توان به دسته بندی متون، شاخص گذاری متون بر اساس یک لغتنامه، فیلتر کردن متون، تولید خودکار فرا داده، تولید کاتالوگ های سلسله مراتبی از منابع وبی و دیگر کاربرد های مشابه این زمینه نام برد در این پژوهش به دسته بندی متون فارسی با 23 دسته می پردازیم پژوهش های پیشین اغلب بر تعداد کلاس های کمتر تمرکز داشته اند و لذا با افزایش تعداد کلاس ها دقت و کارایی به نسبت بسیار زیادی کاهش خواهد یافت لذا به ضرورت موضوع در این مقاله، یک روش ترکیبی دو مرحله ای در قسمت انتخاب ویژگی با الگوریتم های IG و CFS پیشنهاد نموده ایم بنابراین در مرحله یادگیری ابتدا با الگوریتم های یادگیری ماشین بصورت منفرد آزمایشاتی انجام شده است و سپس با الگوریتم های ترکیبی یادگیری ماشین آزمایش نهایی را بررسی نمودیم نتایج نشان دهنده برتری ایده و روش پیشنهادی با درصد کارایی% 95,49 می باشد

کلیدواژه‌ها

نویسندگان

سید محسن هاشمی

گروه کامپیوتر موسسه آموزش عالی رهنما اهواز ایران

هاشمی، سید محسن،1394،بهبود دسته بندی متون فارسی با ترکیب روش دو مرحله ای انتخاب ویژگی و الگوریتم های 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