بهینه سازی قوانین فازی برای عقیده کاوی در متن های فارسی به کمک تلفیق روش های تجمعی و الگوریتم ژنتیک
Publish place: همایش جامع بین المللی کامپیوتر، فناوری اطلاعات و مهندسی برق
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 562
- 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:
ITCOMI01_039
تاریخ نمایه سازی: 24 شهریور 1397
Abstract:
عقیده کاوی یا تحلیل احساسات، زمینه ی مطالعاتی است که در آن سعی می شود، نظرات، احساسات، رفتار، و تحلیل افراد، نسبت به موجودیت ها، موضوعات و خدمات مختلف و ویژگی های آنها بیان شود. در این تحقیق، روش عقیده کاوی جدیدی، بر مبنای تکنیک های هوش مصنوعی ارایه شده است که قادر می باشد نظرات فارسی را دسته بندی کند. در این تحقیق از تلفیق روش های فازی، ژنتیک و بگینگ بهره برده شده است. در این سیستم، وظیفه ی اصلی تشخیص احساس و عقیده کاوی به عهده ی سیستم استنتاج فازی می باشد. در کنار آن، روش جستجوی ژنتیک به دنبال بهینه کردن پارامترهای لازم برای ساخت سیستم استنتاج فازی می باشد. از روش بگینگ برای ارتقای دقت دسته بندها از طریق تجمیع پیش بینی های دسته بندهای مختلف، بهره برده می شود. نتایج پیاده سازی سیستم پیشنهادی نشان می دهد که استفاده از تلفیق روش های سیستم استنتاج فازی، ژنتیک و بگینگ توانسته دقت مطلوبی ارایه دهد.
Keywords:
Authors