بهبود الگوریتم بهینه سازی کلونی مورچه با الگوریتم K نزدیکترین همسایه برای انتخاب ویژگی دردسته بندی اسناد متنی
Publish place: Fourth International Conference on Modern Studies in Computer Science and Information Technology
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 380
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CONFITC04_151
تاریخ نمایه سازی: 6 مهر 1397
Abstract:
امروزه اطلاعات درقالب های متفاوت بصورت مفید وغیر مفید روز به روز با سرعت بیشتر در حال تولید می باشند.دسته بندی این اسناد با وجود داده ها و اطلاعات فراوان و ویژگی های مختلف بسیار مشکل و وقت گیر می باشد. اینویژگی ها می توانند شامل ویژگی های نامرتبط ونویز باشند که صحت و دقت دسته بندی اسناد را پایین می آورند. پس باید بهوسیله ابزاری موثر بتوانیم اطلاعات و داده ها را آنالیز کرده و ویژگی های موثری از آنها استخراج کرده تا بتوانیم اطلاعاترا به شکل مطلوب و مفیدی دسته بندی نماییم. برای انتخاب ویژگی ها از الگوریتم فرا ابتکاری بهینه سازی کلونی مورچهاستفاده شده است که این الگوریتم دارای دقت و صحت و دوبارهخوانی خوبی در انتخاب ویژگی و دسته بندی متون استولی دارای عملکرد صد درصدی نمی باشد. در این مقاله برای دسته بندی اسناد متنی از K نزدیکترین همسایه استفاده شده است. یعنی ابتدا با الگوریتم بهینه سازی کلونی مورچه بهترین ویژگی ها تک تک انتخاب می شوند و سپس با دسته بند K نزدیکترین همسایه دسته بندی اسناد انجام می گیرد. از مجموعه داده های 21578- Reuters و WEBKB و CADE12 برای ارزیابی روش پیشنهادی استفاده شده است. با توجه به نتیجه حاصل شده میزان دقت دسته بندی، بطور قابل ملاحظه ای افزایش یافته و کارایی دسته ها نیز به میزان قابل توجهی بهبود یافته است.
Keywords:
Authors
دلشاد زنده روی
گروه مهندسی کامپیوتر، واحد مراغه، دانشگاه آزاد اسلامی، مراغه، ایران
فرهاد سلیمانیان قره چیق
گروه مهندسی کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران