رده بندی متون فارسی با استفاده از ماشین بردار پشتیبان مبتنی بر روش های انتخاب ویژگی PCA و الگوریتم ژنتیک
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 772
This Paper With 8 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:
ICEEE07_194
تاریخ نمایه سازی: 19 اردیبهشت 1395
Abstract:
در این مقاله رده بندی اسناد و متون فارسی با استفاده از ماشین بردار پشتیبان (SVM) پیشنهاد شده است. این روش یکی از بهترین روشها در ردهبندی متون می باشد که یکی از روش های یادگیری با نظارت است اطلاعات را ازفضای حاضر به فضای برداری دیگری عموما با ابعاد بیشتر که در آن الگوریتم های یادگیری خطی قابل کاربرد است نگاشت می کند. باتوجه به حجم زیاد ویژگی ها در متون فارسی در این مقاله برای انتخاب و کاهش ویژگی های مهم که نقش زیادی در تایین دسته متون دارند ابتدا با استفاده از روش TFCRF به کلمات وزن دهی انجام می شود سپس از روش های PCA و الگوریتم ژنتیک استفاده شده است . نتایج تجربی نشان می دهد، که این روش میتواند با دقت 78 % عمل ردهبندی را انجام دهد.
Keywords:
Authors
ایمان ابراهیمی
دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر ، گروه مهندسی کامپیوتر ، هوش مصنوعی بوشهر ، ایران
مهدی صادق زاده
دانشگاه آزاد اسلامی واحد ماهشهر گروه مهندسی کامپیوتر ماهشهر ، ایران
احمد کشاورز
دانشگاه دولتی خلیج فارس واحد بوشهر ، گروه مهندسی برق بوشهر ، 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 :