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

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.

دسته بندی، متون فارسی، شبکه عصبی، تابع پایه شعاعی