طبقه بندی متن اثربخش در داده کاوی: رویکردی عملی

طبقه بندی متن فرآیند تنظیم رکوردها در کلاس هایی است که قبلا بر اساس آن تنظیم شده اندآنچه آنها می گویند. به طور خودکار متون به زبان های طبیعی را در دسته هایی قرار می دهد که قبلا تنظیم شده اند بالا طبقه بندی متن مهمترین بخش سیستم های بازیابی متن است که متون را بر اساس چه چیزی پیدا می کند درخواست های کاربر و سیستم های درک متن، که متن را به نوعی تغییر می دهند، مانند ساختن خلاصه، پاسخ دادن به سوالات، یا بیرون کشیدن داده ها. الگوریتم های موجود که از یادگیری نظارت شده استفاده می کنندطبقه بندی متن به طور خودکار به مثال های کافی برای یادگیری خوب نیاز دارد. از الگوریتم های داده کاوی استفاده می شود برای طبقه بندی متون و همچنین بررسی کارهایی که در زمینه طبقه بندی متون انجام شده است. طراحی/روش/رویکرد: درباره الگوریتم های داده کاوی که برای طبقه بندی متون استفاده می شود صحبت شد،و مطالعاتی که نحوه استفاده از این الگوریتم ها برای طبقه بندی متون را بررسی می کردند، با تمرکز و با مطالعات تطبیقی مورد بررسی قرار گرفتند.یافته ها: هیچ طبقه بندی کننده ای همیشه نمی تواند بهترین کار را انجام دهد زیرا مجموعه داده های مختلف و موقعیت ها منجر به دقت طبقه بندی متفاوت می شود. مفاهیم برای زندگی واقعی: هنگام استفاده از داده کاوی الگوریتم هایی برای طبقه بندی اسناد متنی، مهم است که به خاطر داشته باشید که شرایط داده ها خواهد بود بر میزان طبقه بندی اسناد تاثیر می گذارد. به همین دلیل، داده ها باید به خوبی سازماندهی شوند.

طبقه بندی متن اثربخش در داده کاوی: رویکردی عملی Keywords:

داده کاوی , طبقه بندی متن , تکنیک تجزیه و تحلیل ROC , آماده سازی داده ها