CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بهینه سازی روش های وزن دهی ویژگی و طبقه بندی مستندات نیمه ساخته یافته XML در حوزه شبکه های عصبی لایه

عنوان مقاله: بهینه سازی روش های وزن دهی ویژگی و طبقه بندی مستندات نیمه ساخته یافته XML در حوزه شبکه های عصبی لایه
شناسه ملی مقاله: AISST01_110
منتشر شده در همایش ملی کاربرد سیستم های هوشمند (محاسبات نرم) در علوم و صنایع در سال 1392
مشخصات نویسندگان مقاله:


خلاصه مقاله:
در دنیای مدرن کنونی، دستیابی ارزش بالایی دارند. با افزایش حجم اطلاعات در دسترس اینترنت، نیاز فوق العاده به ابزارهایی که بتوانند در جستجو، فیلتر نمودن و مدیریت منابع موثر باشند، کاملا احساس می شود. طبقه بندی متون، فرآیندی است که در آن متن ها در یک یا چند طبقه از قبل تعریف شده بر اساس محتوا یا زبان نگارش متن قرار می گیرند. طبقه بندی ایمیل ها، تشخیص موضوع، فیلتر نمودن متون از جمله موارد کاربرد سیستم طبقه بندی خودکار متون می باشند. برای همین تمرکز بر روی تکنینک های پیش پردازش مستندات و به گونه ویژه روش هاز وزن دهی ویژگی را به دقت مورد بررسی و تحلیل قرار داده و یکی از روش ها(TFCRF) برای وزن دهی به مستنداتی که به عناون وروردی شبکه عصبی مورد مطالعه است، بکار فته است. در نهایت شبکه عصبی انتخاب شده را با مراحل آموزش که به تفسیر درباره آن بحث خواهد شد مورد تستس و ارزیابی قرار گرفته است.

کلمات کلیدی:
پیش پردازش، شبکه عصبی، مستندات، وزن دهی ویژگی، طبقه بندی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/206285/