بررسی اثر بهبود بردار ویژگی در شناسایی اخبار سیاسی به روز با استفاده از فارسی نت
Publish place: The Second National Conference on Applied Research in Computer Science and Information Technology
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 739
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCONF02_246
تاریخ نمایه سازی: 19 اردیبهشت 1395
Abstract:
پیش فرض رایج در روش های دسته بندی متن این است که توزیع ویژگی ها در متون آموزشی و آزمایشی یکسان است. در بسیاری از کاربردها مانند دسته بندی متون خبری به مرور زمان با ورود اخبار به روز ،کلمات به کار رفته در متون تغییر می کنند . بسیاری این کلمات ،مترادف ویژگی های قبلی هستند ولی استفاده از آن ها تا دوره خاصی از زمان رواج چندانی نداشته.این مسئله موجب تغییر توزیع کلمات در داده های آموزشی در طول زمان و کاهش عملکرد دسته بندها می شود. در این تحقیق نشان داده شده است که دامنه سیاسی پویاترین دامنه خبری است. سپس به استخراج کلمات مترادف با ویژگی های قدیمی پرداخته شده است. بدین منظور از فارسی نت به عنوان منبعب برای استخراج کلمات مترادف و از وب به عنوان یک پیکره به روز استفاده و در نهایت حضور این کلمات در مدل کیسه ای از کلمات شبیه سازی می شود. نتایج حاصل نشان دهنده بهبود قابل توجه روش پیشنهاد ی در مقایسه با روش پایه است.
Keywords:
Authors
مرضیه سپهر
دانشجوی کارشناسی ارشد،دانشگاه صنعتی مالک اشتر
مرتضی براری
عضو هیئت علمی دانشگاه صنعتی مالک اشتر
سمیه کافی
دانشجوی دکترا،دانشگاه صنعتی مالک اشتر
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 :