دسته بندی متون فارسی با استفاده از الگوریتم SVM و بررسی روشهای کاهش خصیصه
Publish place: 3rd Iran Data Mining Conference
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 5,317
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IDMC03_044
تاریخ نمایه سازی: 13 دی 1389
Abstract:
در دسته بندی متون بطور معمول از کلمات متن به عنوان خصیصه های آن متن استفاده می شود در نتیجه روشهای دسته بندی متون با تعداد زیادی خصیصه مواجه می باشند به منظور کاهش تعدا د خصیصه ها و انتخاب خصیصه های مرتبط از روشهای متعددی استفاده می شود دراین مقاله به مقایسه روشهای مورد استفاده در دسته بندی متون و معرفی بهترین روش می پردازیم از جمله روشهای موجود در دسته بندی متون می توان به روشهی بیزین ساده KNN Rocchio رگرسیون، درختهای تصمیم گیری ، شبکه های عصبی، SVM، مبتنی بر قاعده و تکاملی اشاره نمود روش SVM یکی از بهترین روشها در دسته بندی متون می باشد دراین روش که یکی از روشهای یادگیری با سرپرستی میباشد اطلاعات را ازفضای حاضر به فضای برداری دیگری عموما با ابعاد بیشتر که در آن الگوریتم های یادگیری خطی قابل کاربرد است نگاشت می کند.
Keywords:
Authors
نصراله مقدم چرکری
استادیار دانشکده برق و کامپیوتر
مهناز زمانیان
دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات دانشگاه تربیت مدرس