بهبود شبکه های عصبی مصنوعی پرسپترون چند لایه با الگوریتم شبیه سازی تبرید برای انتخاب ویژگی ها در تشخیص نویسنده اسناد متنی

در این مقاله، سیستمی هوشمندی که به صورت اتوماتیک استخراج ویژگی های نهفته در متن با استفاده از بهبود شبکه هایعصبی مصنوعی پروسپترون چند لایه با الگوریتم شبیه سازی تبرید بپردازد را ارایه داده شده است که با توجه به استخراجویژگیهای مهم متن، تشخیص نویسنده متون به صورت دقیق و کارا عملی می گردد. از جمله ویژگی های مهمی که درشناسایی نویسنده اسناد متنی روش پیشنهادی در نظر گرفته شده است عبارتند از: ویژگی های نحوی، لغوی، ساختاری،ویژگیهای خاص و رها از محتوا میباشند. در روش پیشنهادی از طریق الگویتم شبیه سازی تبرید استخراج ویژگیهای باارزش و مهم نهفته در متون صورت گرفته و براساس ویژگی های استخراج شده الگوریتم شبکه عصبی مصنوعی پرسپترون چند لایه با دقت بالاتری به شناسایی نویسنده متون میپردازد. درمدل پیشنهادی ازمجموعه داده ی Reuter50-50 و بر اساس چهار معیار ارزیابی متفاوت، تعداد داده های درست طبقه بندی شده، تعداد داده های نادرست طبقه بندی شده، درصددقت، در صد دوباره خوانی و F Measure استفاده نموده ایم. ارزیابی نتایج حاصله نشان میدهد که روش پیشنهادی در بین روشهای استخراج ویژگیهای متون، از دقت بالاتری در تشخیص هویت نویسنده اسناد متنی برخوردار می باشد.

Keywords:

الگوریتم شبیه سازی تبرید , شبکه های عصبی مصنوعی پرسپترون چند لایه , بهینه سازی , سبک نوشتاری , تشخیص نویسنده متن