ارائه مدلی جدید برای دسته بندی خودکار متون

در این مقاله مدل جدیدی برای دسته بندی خودکار متون ارائه شده است. این مدل شامل دو فاز، پیش پردازش متن و فاز دستهبندی متن می باشد. فاز پیش پردازش شامل مرحله آماده سازی متن، شاخص گذاری و وزن دهی شاخص ها می باشد. مرحله آماده سازی مدل پیشنهادی شامل بدست آوردن ریشه کلمات، حذف پیشوندها و پسوندها، حذف Stop Word ها و علائم نگارشی می باشد. ما در مدل پیشنهادی برای شاخص گذاری در فاز پیش پردازش از روش N-gram و برای وزن دهی به شاخص ها از فیلتر TF.IDF استفاده کرده ای . در فاز دوم برای آموزش مدل جهت دسته بندی از الگوریتم ماشین بردار پشتیبان (SVM) استفاده شده است. به منظور ارزیابی و مقایسه نتایج، معیارهای دقت، بازخوانی، Micro-F1 و Macro-F1 برای روش های مختلف شاخص گذاری محاسبه شده اند. نتایج آزمایش ها که بر روی مجموعه داده Reuters 21578، انجام گرفت نشان می دهد، که مدل پیشتنهادی ما بهترین کارایی را نسنت به الگوریت های K-NN،Naïve Bayes ،W-j48 و Decision Tree روی این مجموعه داده را دارد.

Keywords:

دسته بندی متون , ماشین بردار پشتینان , .TF.IDF , N-gram