طبقه بندی دست نوشته فارسی با استفاده ازروش مبتنی برترکیب طبقه بندهای SVMو KNN

طبقه بندی در زمره روشهای یادگیری ماشین مبتنی بر محتوا قرار می گیرد. طبقه بند معمولا در یک فرآیند یادگیری ساخته می شود.با توجه به افزایش چشمگیر حجم مطالب متنی ،ابزارهاو روش های خودکار برای مدیریت اسناد و مطالب متنی،مورد توجه بسیارزیادی قرار گرفته اند .از جمله این ابزارها می توان به طبقه بندی متن اشاره کرد که می تواند در این زمینه بسیار موثر باشداین ابزار کاربردهای فراوانی در سیستم های بررسی متون مانند موتورهای جستجو،سیستم های فیلترینگ،تشخیص هرزنامه ها،کتابخانه های دیجیتال و سایر سیتم های مشابه دارد.در این تحقیق بر روی پیکره همشهری برای ارزیابی متون فارسی استفاده شده است و با استفاده از ترکیب الگوریتم های SVMو KNNبه طبقه بندی متون پرداخته است .این طبقه بند را بوسیله 540 متن فارسی که ازپیکره همشهری گرفته شده بودآموزش داده و برروی70متن مشابه آزمایش کردیم.متن هابه7دسته تقسیم شده بودند که دربین این دسته ها،متن های متعلق به دسته های ورزشی،پزشکی وسیاسی بهترازبقیه دسته بندی شدند.الگوریتم های استفاده شده برای اندازه گیری دقت ترکیب طبقه بندها دربهترین حالت برای متنهای سیاسی به 0/98رسید.ونتایج آزمایشها برروی پیکره همشهری بااستفاده ازالگوریتم SVMوKNN نشان دادکه ترکیب الگوریتم هاروشهای انتخاب ویژگی ضمن کاهش تعداد ویژگیها،موجب افزایش کارایی و دقت سیستم ترکیب طبقه بندها می شود.

Keywords:

طبقه بندی متون , الگوریتم KNN , الگوریتم SVM