استفاده از تکنیک های متن کاوی برای دسته بندی متون فارسی با مجموعه داده همشهری
Publish place: International Conference on Engineering, Art and Environment
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,761
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEAE01_091
تاریخ نمایه سازی: 14 مرداد 1394
Abstract:
بسیاری از اطلاعات و منابع از طریق اینترنت میسر شده است. دسترسی به این اطلاعات حجیم کار بسیارمشکل و هزینه بر است.گاهی از این اطلاعات نامرتبط به خواسته های ما هستند. روش هایی در خصوص متن کاوی بوجود آمده اند که می توانند کار را برای ما آسانتر کنند ولی تاکنون روشهای انجام شده بر روی منابع لاتین بوده اند در این مقاله از روش های متن کاوی برای دسته بندی متون فارسی استفاده خواهیم نمود. در این مقاله با به کارگیری الگوریتم های یادگیری بیز کارایی دسته بندی را با مجموعه داده همشهری با 07 درصد آموزش و 37 درصد آزمایش مورد بررسی قرار داده ایم. نتایح کارایی به 84.48 درصد و خطای 14.42 درصد رسانیده ایم.
Authors
سیدمحسن هاشمی
موسسه آموزش عالی رهنما، گروه کامپیوتر اهواز، خوزستان، ایران
زکیه درفشان
موسسه آموزش عالی رهنما، گروه کامپیوتر اهواز، خوزستان، ایران
صدیقه جوادی
موسسه آموزش عالی رهنما، گروه کامپیوتر اهواز، خوزستان، ایران
محمد مولازاده دزفولی
موسسه آموزش عالی کارون، گروه کامپیوتر اهواز، خوزستان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :