مقایسه عملکرد الگوریتم های یادگیری ماشین در دسته بندی اخبار با موضوع خاص

چکیده مقاله

دسته بندي متون فرآیندي است که هدف آن دسته بندي خودکار متون در موضوعات از پیش تعریف شده است امروزه با افزایش روزافزون حجم اطلاعات اهمیت این موضوع بیش از پیش احساس می شود متون خبري ازجمله منابعی هستند که دسته بندي آن ها حائز اهمیت بوده و در استخراج اطلاعات مفید از منابع خام به ما کمک می کند همچنین دسته بندي اخباري که موضوع کلی ماشین بردار پشتیبان، شبکه عصبی سافتمکس و K نزدیک ترین همسایه را به صورت جداگانه بر روي تیتر اخبار اقتصادي و سیاسی منتشر شده در خبرگزاري فارس بررسی و با 4 معیار دقت، صحت، حساسیت و شاخص f1 مقایسه کردیم همچنین این اخبار هر کدام در 4 زیر دسته مربوط به موضوع خود برچسب گذاري شده اند در نتیجه این آزمایش ها الگوریتم ماشین بردار پشتیبان با میانگیندقت 0 96 بهترین بازدهی را از خود نشان داد مشترکی دارند به علت کلید واژه هاي مشترك، مسئله پرچالش تري است در این پژوهش عملکرد 4 الگوریتم بیز ساده چند جمله اي،

کلیدواژه‌ها

نویسندگان

محمد بصیرزاده

دانشجوی کارشناسی ارشد هوش مصنوعی و رباتیکز، دانشگاه جامع امام حسین ع

محمدرضا حسنی آهنگر

استاد دانشگاه جامع امام حسین ع

�صیرزاده، محمد و حسنی آهنگر، محمدرضا،1399،مقایسه عملکرد الگوریتم های یادگیری ماشین در دسته بندی اخبار با موضوع خاص،یازدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات یازدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات27 آذر 1399 · بابل