بهبود دسته بندی متون فارسی با ترکیب روش دو مرحله ای انتخاب ویژگی و الگوریتم های یادگیری ماشین
Publish place: International Conference on New Research Findings in Electrical Engineering and Computer Science
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,269
This Paper With 9 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:
COMCONF01_067
تاریخ نمایه سازی: 8 آذر 1394
Abstract:
امروزه با افزایش حجم داه ها و اسناد متنی نیاز به دسته بندی اسناد احساس می شود .از جمله کاربردهای متن کاوی می توان به دسته بندی متون، شاخص گذاری متون بر اساس یک لغتنامه، فیلتر کردن متون، تولید خودکار فرا داده، تولید کاتالوگ های سلسله مراتبی از منابع وبی و دیگر کاربرد های مشابه این زمینه نام برد .در این پژوهش به دسته بندی متون فارسی با 23 دسته می پردازیم .پژوهش های پیشین اغلب بر تعداد کلاس های کمتر تمرکز داشته اند و لذا با افزایش تعداد کلاس ها دقت و کارایی به نسبت بسیار زیادی کاهش خواهد یافت .لذا به ضرورت موضوع در این مقاله، یک روش ترکیبی دو مرحله ای در قسمت انتخاب ویژگی با الگوریتم های IG و CFS پیشنهاد نموده ایم .بنابراین در مرحله یادگیری ابتدا با الگوریتم های یادگیری ماشین بصورت منفرد آزمایشاتی انجام شده است و سپس با الگوریتم های ترکیبی یادگیری ماشین آزمایش نهایی را بررسی نمودیم .نتایج نشان دهنده برتری ایده و روش پیشنهادی با درصد کارایی% 95,49 می باشد
Keywords:
Authors
سید محسن هاشمی
گروه کامپیوتر موسسه آموزش عالی رهنما اهواز 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 :