CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بهینه سازی قوانین فازی برای عقیده کاوی در متن های فارسی به کمک تلفیق روش های تجمعی و الگوریتم ژنتیک

عنوان مقاله: بهینه سازی قوانین فازی برای عقیده کاوی در متن های فارسی به کمک تلفیق روش های تجمعی و الگوریتم ژنتیک
شناسه ملی مقاله: ITCOMI01_039
منتشر شده در همایش جامع بین المللی کامپیوتر، فناوری اطلاعات و مهندسی برق در سال 1396
مشخصات نویسندگان مقاله:

فهیمه دلخوشیان - دانشگاه الزهرا
بهروز قلی زاده - دانشگاه الزهرا
رضا عزمی - دانشگاه الزهرا

خلاصه مقاله:
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.

کلمات کلیدی:
هوش مصنوعی، عقیده کاوی، سیستم استنتاج فازی، الگوریتم ژنتیک، روش تجمعی بگینگ

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/773374/