بهبود الگوریتم فازی C-Means با الگوریتم ژنتیک برای انتخاب ویژگی‎ها در دسته بندی اسناد متنی

افزایش روزافزون مستندات الکترونیکی در وب، لزوم دسته بندی آنان در دسته های مختلف را نشان می دهد. با توجه به حجم و دامنه وسیع اسناد متنی که به طور قابل توجهی از طریق محیط های برخط و سایر منابع قابل دسترسی می‎باشند، در صورت عدم دسته بندی مناسب، عمل بازیابی و پردازش اسناد متنی دسته بندی نشده با مشکلات زیادی مواجه می گردد. این نیاز منجر به ایجاد روش های نوین برای دسته بندی اطلاعات شده است. دسته بندی، تخصیص اسناد متنی یا ویژگی ها به یک یا چندین دسته است، به طوری که اسناد متنی با توجه به موضوعات یا میزان مشابهت ویژگی‎ها می‎توانند دسته بندی گردند. در ارائه روش های دسته‎بندی، استخراج و انتخاب ویژگی های کلیدی اسناد متنی از اهمیت بالایی برخودار می‎باشد. در این مقاله روشی براساس بهبود الگوریتم فازی C-Means با الگوریتم ژنتیک برای انتخاب ویژگی ها در دستهبندی اسناد متنی ارائه شده است که در روش پیشنهادی انتخاب ویژگی های کلیدی متون از طریق الگوریتم فازی C-Means انجام می‎شود و این ویژگی‎ها به الگوریتم ژنتیک جهت بهبود در دستهبندی ارسال میگردند. روش پیشنهادی بر روی سه مجموعهداده‎ی مختلف Reuters۲۱۵۷۸, WEBKB, CADE ۱۲ و بر اساس معیارهای ارزیابی مختلفی مورد آزمایش و ارزیابی قرار گرفته است. مقایسه‎ی نتایج روش پیشنهادی با سایر روش های مطرح در دستهبندی متون نشان می‎دهد که روش پیشنهادی عملکرد بهینهای را در دستهبندی اسناد متنی دارد.

Keywords:

دسته بندی اسناد متنی , بهینه سازی , انتخاب ویژگی , الگوریتم فازی Means-C , الگوریتم ژنتیک