بهینه سازی روش های وزن دهی ویژگی مستندات نیمه ساخته یافته درحوزه شبکه های عصبی چند لایه
Publish place: Joint Convention on Computer Engineering and Mechanics
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 675
This Paper With 5 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:
JCCEM01_063
تاریخ نمایه سازی: 25 اسفند 1392
Abstract:
امروزه، دستیابی به اطلاعات ارزش بالائی دارند .باافزایش حجم اطلاعات دردسترس اینترنت،نیازفوق العاده به ابزارهای یکه بتواننددرجستجو،فیلترنمودنومدیریتمنابعموثر باشند،کاملااحساس می شود. طبقه-بندی متون،فرآیندیاست کهدرآن متن هادریکیاچند طبقه ازقبل تعریف شده براساس محتوای ازبان نگارش متن قرار می گیرند. طبقه بندی ایمیل ها،تشخیص موضوع،فیلترنمودن متون ازجمله مواردکاربردسیستم طبقه بندیخودکارمتونمی باشند.برای همین تمرکز بر روی تکنیک های پیش پردازش مستندات و به گونه ویژه روش های 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 عنوان ورودی شبکه عصبی مورد مطالعه است، بکار رفته است. در نهایت شبکه عصبی انتخاب شده را با مراحل آموزش که به تفسیر درباره آن بحث خواهد شد مورد تست و ارزیابی قرار گرفته است
Keywords:
Authors
حسین چاره سازجرستانی
کارشناسی ارشد
اکرم شیدایی بوانلو
دانشجوی کارشناسی ارشد
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 :