کاوشی بر رفتار الگوریتم های کلاسه بندی مبتنی بر درخت تصمیم گیری و الگوریتم نزدیکترین K همسایه در متون فارسی
Publish place: Conference on Computer Engineering and Sustainable Development with a focus on computer networking, modeling and systems security
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,320
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CESD01_235
تاریخ نمایه سازی: 25 اسفند 1392
Abstract:
با توجه به اینکه سازمان دهی اطلاعات آنلاین در قالب دسته بندی مستندات زبان طبیعی در دسته هایی که قبلا بر اساس محتوایشان دستته بندی شده اند یکی از روش های مهم مدیریت اطلاعات محسوب می شوند و با توجه به اقداماتی که در این زمینه برای زبان های دیگر انجام گرفته است، نیاز به طبقه بندی متون فارسی و اهمیت آن به خوبی احساس می شود. روش ها و الگوریتم های متفاوتی برای دسته بندی متن بکار برده شده است، که این روش ها در دقت و محاسبات متفاوت می باشند با توجه به فعالیت های محدودی که در زمینه دسته بندی متون فارسی انجام شده است، در این مقاله به کاوشی بر روی دو روش کلاسه بندی مبتنی بر درخت تصمیم گیی طبقه بندی از نزدیکترین همسایه و مکانیزم عملکرد آنها برای کلاسه بندی اسناد موجود بر روی متون فارسی پرداخته می شود. طبق مطالعات انجام شده روش K تا همسایه نزدیک در عمل کارایی خوبی دارد. مشکل آن اینست که در طی دسته بندی محاسبات زیادی لازم است. الگوریتم های درخت های تصمیم گیری سریع و همچنین مقیاس پذیر هم در متغیرها و هم سایز مجموعه آموزش هستند. یکی از مشکلات درختسهای تصمیم گیری برای متن کاوی اینست که تنها به تعداد کمی از لغت ها وابسته است.
Keywords:
Authors
ندا صادقیان
دانشگاه آزاد اسلامی واحد علوم و تحقیقات گروه کامپیوتر، یزد، ایران
محمدجواد کارگر
استادیار دانشگاه آزاد اسلامی واحد میبد، گروه کامپیوتر، میبد، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :