مقایسه عملکرد الگوریتم ها در دسته بندی موضوع مقاله با استفاده از عنوان مقاله

حجم زیاد اطلاعات در دنیای امروز می تواند چالش های مثبت و منفی زیادی در پی داشته باشد. تصمیمگیری با استفاده از اطلاعات حجیم افزایش درصد اطمینان و قدرت تعمیم تصمیم مورد نظر را در پی خواهد داشت. اما انسان، به تنهایی قادر به پرداز ش این حجم از اطلاعات در زمان محدود نیست که همین امر باعث شد ایده ی سیستم های توصیه گر مطرح شود. یک سیستم توصیه گر باید متمرکز بر یک موضوع مشخص باشد تا تصمیم های پیشنهادی قابل اتکا باشند. برای یک سیستم توصیه گر مقاله، ابتدا به یک مجموعه داده ی مناسب از اطلاعات مقاله ها نیازمندیم که علاوه بر حجم اطلاعات مناسب، پراکندگی موضوعی مناسبی هم داشته باشد. این مجموعه ی داده باید در دسته بندی مناسبی قرار داشته باشد تا سیستم توصیه گر بتواند عمل توصیه کردن را به خوبی انجام دهد و همچنین برای تخمین دسته بندی دارای ویژگی های مناسب و قابل استفاده توسط الگوریتم های مختلف باشد. در این پژوهش الگوریتم های مختلفی را بر رو ی مجموعه داده ی بزرگی از مقاله ها مقایسه کرده ایم تا بهترین مدل را برای دسته بندی موضوع آ نها انتخاب کنیم.

Keywords:

سیستم توصیه گر , پردازش اطلاعات , مجموعه داده , الگوریتم دسته بندی