دسته بندی متون به کمک الگوریتم KNN بهبود یافته مبتنی بر خوشه های وزن دار

دسته بندی متون یکی از شاخه های متن کاوی است که به طور خودکار متون را طبقه بندی می نماید. تاکنون روشهای مفید بسیاری با رویکرد رده بندی مبتنی بر ناظر برای دسته بندی متون معرفی شده اند. در بین این روشها الگوریتم K نزدیکترین همسایه یا KNN به طور وسیع مورد استفاده قرار می گیرد، که به علت سادگی و بی پارامتر بودن و کارایی دسته بندی ( دقت دسته بندی) آن یکی از بهترین روشها است. اما روش سنتی KNN پیچیدگی محاسباتی بالایی دارد و این نقیصه از کاربردی بودن KNN می کاهد. خوشه بندی یک راه حل برای این مشکل است، به این روش که تعداد نمونه های یادگیری در دسته بندی را کاهش می دهد و به این طریق از پیچیدگی زمانی محاسبات می کاهد. در این مقاله، ما یکی از روشهای ساده مبتنی برای خوشه بندی الگوریتم KNN را که قبلا پیشنهاد شده است، انتخاب کرده ایم. این روش بوسیله خوشه بندی پیچیدگی زمانی را تا حد زیادی کاهش می دهد ولی مقداری از کارایی دسته بندی می کاهد. ما یک مقدار وزنی به مرکز خوشه ها نسبت می دهیم و همچنین مقدار K در الگوریتم KNN را کاهش می دهیم . آزمایشها برروی مجموعه داده محک Reuter-21578 نشان می دهد که این روش می تواند کارایی دسته بندی را افزایش دهد.

Keywords:

دسته بندی متون , K نزدیکترین همسایه , خوشه بندی , وزن دهی