| دستهبندی متون بر اساس محتوا با روشهای پیش پردازشی |
| کد مقاله : 1155-NAEC |
| نویسندگان |
|
Ahad Soltanisarvestani *1، Ghasem sahraeian2 1دانشگاه آزاد اسلامی واحد زرقان 2گروه مهندسی کامپیوتر، واحد زرقان، دانشگاه آزاد اسلامی، زرقان، ایران |
| چکیده مقاله |
| امروزه فرآیند بررسی مجموعههای زیادی از منابع نوشته شده برای تولید اطلاعات جدید و تبدیل متن بدون ساختار به دادههای دارای ساختار به منظور استفاده در تجزیه و تحلیل بیشتر و سریعتر، بسیار گسترش یافته است. متنکاوی شناسایی حقایق، روابط و ضوابطی است که در تودهی دادههای متون با تعداد بسیار بزرگ ذخیره میشود. استخراج و تبدیل حقایق به دادههای ساختیافته، بهمنظور تجزیه و تحلیل متون به صورت مصور(به عنوان مثال از طریق جداول و نمودارها) و یا ادغام با دادههای ساختاری برای ذخیره در پایگاههای داده یا انبار دادهها انجام میپذیرد، که این امر توسط سیستمهای یادگیری ماشین امکانپذیر میباشد. در این پژوهش از طریق متنکاوی و به حل مسئله دستهبندی در اسناد متنی پرداخته شده است. در این پژوهش علاوه بر استفاده از ماشین بردار پشتیبان ، به منظور کسب نتایج بهتر و با دقت بالاتر، از گروهبندی دستهبندها نیز استفاده شده است. برای استفاده از چند مدل برای دستهبندی و استخراج مفهوم از متون، نیاز به چند دستهبند می باشد که از میان دستهبندها، دسته-بندهایی انتخاب شده است که سبک و کارا باشند تا استفاده از چند دستهبند، بار زمانی و محاسباتی الگوریتم پیشنهادی را افزایش ندهد. نتایج حاصل از این طرح نشان دهنده کارایی و دقت در دستهبندی الگوریتم پیشنهادی است. |
| کلیدواژه ها |
| دستهبندی متون، کاهش نویز، کاهش بعد، ، ترکیب گروهی دستهبندها |
| وضعیت: پذیرفته شده |
