بررسی معیارهای دسته بندی متن بر روی سه دسته بندNaive Bayes و J و 48 SVM
عنوان مقاله: بررسی معیارهای دسته بندی متن بر روی سه دسته بندNaive Bayes و J و 48 SVM
شناسه ملی مقاله: NCECN01_040
منتشر شده در اولین همایش ملی مهندسی برق و کامپیوتر در شمال کشور در سال 1393
شناسه ملی مقاله: NCECN01_040
منتشر شده در اولین همایش ملی مهندسی برق و کامپیوتر در شمال کشور در سال 1393
مشخصات نویسندگان مقاله:
معصومه علی نژاد - دانشجوی کارشناسی ارشد،گروه کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات خوزستان، اهواز، ایران.
ایمان عطارزاده - استادیار و عضو هیئت علمی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد دزفول، دزفول، ایران
ابراهیم بهروزیان نژاد - استادیار و عضو هیئت علمی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد شوشتر، شوشتر، ایران
خلاصه مقاله:
معصومه علی نژاد - دانشجوی کارشناسی ارشد،گروه کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات خوزستان، اهواز، ایران.
ایمان عطارزاده - استادیار و عضو هیئت علمی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد دزفول، دزفول، ایران
ابراهیم بهروزیان نژاد - استادیار و عضو هیئت علمی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد شوشتر، شوشتر، ایران
در این مقاله سه دسته بند ماشین بردار پشتیبان، درخت تصمیم و بیز ساده در مرحله ی یادگیری مورد استفاده قرار گرفته اند وکارایی آنها با استفاده از معیار های دسته بندی متن شامل دقت، فراخوانی، F-Measure، درستی و خطای دسته بندی مورد مقایسه قرار گرفته است. ارزیابی انجام شده بر روی مجموعه داده های اخبار رویترز_21578 بوده و نتایج حاصل از دسته بندی توسط این الگوریتم ها نشان دهنده ی بهینه تر بودن معیار های ارزیابی توسط دسته بند SVM نسبت به J48 و Naive Bayes بوده است.
کلمات کلیدی: متن کاوی، کاوش متن، داده کاوی، یادگیری ماشین، استخراج دانش
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/330295/