دسته بندی متون فارسی با شبکه عصبی تابع پایه شعاعی
Publish place: The Second International Conference and the Third National Conference on the Application of New Technologies in Engineering Sciences
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 453
This Paper With 13 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:
ITCC02_163
تاریخ نمایه سازی: 21 شهریور 1395
Abstract:
با رشد روز افزون منابع اطلاعاتی و حجم مقالات و مطالب تولید شده در زمینه های مختلف و به شکل های متنوع اعم ازرسانه های مختلف دیجیتال، نیاز به دسترسی آسان اطلاعات نیز افزایش می یابد. یکی از نیازهای اولیه در بالا بردنسرعت دسترسی به اطلاعات و پردازش این مطالب که غالبا دارای حجم بالایی نیز می باشند، دسته بندی این اطلاعاتدر طبقات مختلف می باشد. دسته بندی متون به عمل برچسب زدن یا تفکیک یک متن در قالب یکی از دسته های ازپیش تعیین شده گفته می شود. تاکنون از روشهای مختلفی برای دسته بندی متون استفاده شده است اما کارایی شبکهعصبی تابع پایه شعاعی در این زمینه برای هیچ زبانی مورد بررسی قرار نگرفته است در این مقاله برای اولین بار بهبررسی عملکرد شبکه عصبی تابع پایه شعاعی با استفاده از معیار وزن دهی تکرار کلمه در معکوس تکرار سند پرداخته شده است. نتایج بدست آمده از تفکیک متون فارسی با استفاده از این روشها نشان دهنده میانگین دقت 0/88 و بازخوانی 0/87 می باشد.
Keywords:
Authors
شهریار زارع زاد
گروه کامپیوتر، واحد علوم و تحقیقات آذربایجان شرقی، دانشگاه آزاد اسلامی، تبریز، ایران - گروه کامپیوتر، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
احمد حبیبی زادنوین
گروه کامپیوتر، واحد علوم و تحقیقات آذربایجان شرقی، دانشگاه آزاد اسلامی، تبریز، ایران - گروه کامپیوتر، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
نیما جعفری زادنوین
گروه کامپیوتر، واحد علوم و تحقیقات آذربایجان شرقی، دانشگاه آزاد اسلامی، تبریز، ایران - گروه کامپیوتر، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، 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 :