طبقه بندی متن بر اساس رویکرد ترکیبی از نظریه مجموعه ناهموار و شبکه عصبی

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:

متن کاوی , طبقه بندی متن , انتخاب ویژگی , نظریه مجموعه ناهموار , شبکه عصبی