دسته بندی متون بر اساس محتوی با استفاده از الگوریتم ژنتیک

امروزه، الگوریتم ژنتیک برای حل طیف گسترده ای از مسائل بهینه سازی استفاده شده است. برخی از مطالعات انجام شده در استفاده از الگوریتم ژنتیک به طبقه بندی متن، خلاصه سازی و سیستم بازیابی اطلاعات در فرایند متن کاوی کمک میکنند . این تحقیقات عملکرد بهتری با توجه به ماهیت الگوریتم ژنتیک را نشان می دهد. در این مقاله یک الگوریتم جدید برای استفاده از الگوریتم ژنتیک در مقوله های وزن مفهوم و شناسایی موضوع ، بر اساس انحراف معیار مفهوم مورد بررسی قرار خواهد گرفت. GA به کار گرفته میشود تا متن را به عنوان یک مسئله بهینه سازی پردازش کند . هدف از یک سیستم خلاصه متن خودکار تولید خلاصه ای از متن اصلی است تا به کاربران برای به دست آوردن قطعه ای از اطلاعات موجود در آن متن اما با صرف زمان خواندن بسیار کوتاه کمک کند . سپس اصلاح روش niching را معرفی می کنیم که با GA برای حفظ تنوع جمعیت در طول جستجو و به طور همزمان برای خوشه بندی و انتخاب ویژگی ها همراه میکنیم. که در این روش از ماتریس Confusionاستفاده میشودانتخاب ویژگی ارائه بخشی جدایی ناپذیر از این روش جستجو خوشه بندی جهانی است که هدف در آن تلاش برای غلبه بر مشکل پیدا کردن راه حل های بهینه در محلی کمتر امیدوار کننده در هرخوشه بندی( دسته بندی متون )و انتخاب ویژگی هاست .مفهوم ماتریس Confusion برای کارهای مشتق شده استفاده می شود، و در نهایت ، هیبرید GA برای طبقه بندی نهایی گنجانده شده است نتایج تجربی ،منافع را با استفاده از روش ارائه شده که -F اندازه گیری ، خلوص ارزیابی و نتایج عملکرد بهتر در شرایط کاذب مثبت - False positive کاذب منفی False negative واقعی مثبت True positive و واقعی منفی True negative نشان می دهد.

Keywords:

الگوریتم ژنتیک , طبقه بندی متن , شناسایی موضوع , خلاصه سازی , متن , وزن مفهوم