استفاده از تکنیک های داده کاوی در دسته بندی خودکار اسناد متنی

امروزه بخش قابل توجهی از اطلاعات موجود در پایگاه داده های متنی یا اسناد متنی ذخیره می شوند. یکی از مهم ترین مباحثی که مطرح است بحث سازماندهی این اسناد می باشد. یکی از راهکارهای سازماندهی اسناد متنی، دسته بندی آنها می باشد. دسته بندی متون به انتساب اسناد متنی به دسته های واقعی آنها می باشد. دسته بندی اسناد متنی شامل دو مرحله اصلی انتخاب ویژگی و الگوریتم یادگیری می باشد. تاکنون روش های متعددی برای دسته بندی اسناد متنی ارائه شده است. در این مقاله یک روش ترکیبی جهت دسته بندی کارآتر اسناد متنی ارائه شده است. روش پیشنهادی در مرحله انتخاب ویژگی جهت کاهش پیچیدگی از روش فیلتری بهره می برد و با استفاده از دسته بندهای بیز ساده و درخت تصمیم پیاده سازی شده است. نتایج نشان دهنده برتری روش ترکیبی نسبت به دسته بندهای منفرد می باشد.

Keywords:

داده کاوی , اسناد متنی , دسته بندی , دسته بندی خودکار متون