طبقه بندی متن بر اساس رویکرد ترکیبی از نظریه مجموعه ناهموار و شبکه عصبی
Publish place: International Conference on Modern Research in Electrical, Computer, Mechanical and Mechatronics Engineering in Iran and Islamic World
Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 409
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICECM01_010
تاریخ نمایه سازی: 16 آبان 1399
Abstract:
با توجه به گسترش اینترنت و افزایش حجم مطالب متنی، نیاز به روش های مدیریت متون و مطالب بطور چشمگیری افزایش یافته است. طبقه بندی متن یکی از ابزارهایی مطرح در هوش مصنوعی است که میتواند در این زمینه مؤثر باشد. طبقه بندی متن کاربردهای فراوانی دارد و از جمله کاربردهای آن میتوان به موتورهای جستجو، سیستم های فیلترینگ، سیستم های سازماندهی متون، کتابخانه های دیجیتال، دسته بندی خبرهای دریافت شده در گروه های خبری، تشخیص هرزنامه ها در سیستم های پست الکترونیك و بسیاری کاربردهای دیگر اشاره کرد. در این پژوهش از نظریه مجموعه ناهموار برای انتخاب ویژگی های متون واز شبکه عصبی MLP جهت انجام طبقه بندی برروی متون استفاده شده است. برای سنجش نتایج حاصله از مقایسه روش پیشنهادی با دو روش دیگر مبتنی بر شبکه عصبی RBF و نایوبیز 1 استفاده شده است در نتایج آزمایشگاهی مشاهده شد که روش پیشنهادی بطور میانگین از هر دو روش بهتر است
Keywords:
Authors
سینا دامی
استادیار گروه مهندسی کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران
نجمه فرقانی
دانشجوی کارشناسی ارشد IT، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران