بهینه سازی روش های وزن دهی ویژگی و طبقه بندی مستندات نیمه ساخته یافته XML در حوزه شبکه های عصبی چند لایه
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 574
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCONF02_327
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
در دنیای مدرن کنونی، دستیابی به اطلاعات ارزش بالائی دارند . با افزایش حجم اطلاعات در دسترس اینترنت، نیاز فوق العاده به ابزارهایی که بتوانند در جستجو، فیلتر نمودن و مدیریت منابع موثر باشند، کاملا احساس میشود . طبقهبندی متون، فرآیندی است که در آن متنها در یک یا چند طبقه از قبل تعریف شده بر اساس محتوا یا زبان نگارش متن قرار میگیرند. طبقه بندی ایمیلها، تشخیص موضوع، فیلتر نمودن متون از جمله موارد کاربرد سیستم طبقه بندی خودکار متون میباشند. برای همین تمرکز بر روی تکنیکهای پیش پردازش مستندات و به گونه ویژه روش های وزن دهی ویژگی را به دقت مورد بررسی و تحلیل قرار داده و یکی از روشها (TFCRF) برای وزن دهی به مستنداتی که به عنوان ورودی شبکه عصبی مورد مطالعه است، بکار رفته است. در نهایت شبکه عصبی انتخاب شده را با مراحل آموزش که به تفسیر درباره آن بحث خواهد شد مورد تست و ارزیابی قرار گرفته است.
کلیدواژه ها:
نویسندگان
احسان امینیان
هیئت علمی دانشگاه آزاد اسلامی واحد صفا دشت
پژمان غلام نژاد
مدرس کارشناسی ارشد دانشگاه آزاد اسلامی واحد صفا دشت
مریم صالحی شیروان
دانشجو کارشناسی ارشد دانشگاه آزاد اسلامی واحد صفا دشت
حسین چاره ساز
مدرس کارشناسی ارشد دانشگاه پیام نور شیروان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :