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

ارزیابی و ترکیب الگوریتم های یادگیری ماشین و تکنیک های دسته بندی متن کاوی جهت بهبود طبقه بندی متون فارسی

عنوان مقاله: ارزیابی و ترکیب الگوریتم های یادگیری ماشین و تکنیک های دسته بندی متن کاوی جهت بهبود طبقه بندی متون فارسی
شناسه ملی مقاله: CBCONF01_0385
منتشر شده در اولین کنفرانس بین المللی دستاوردهای نوین پژوهشی در مهندسی برق و کامپیوتر در سال 1395
مشخصات نویسندگان مقاله:

غزاله برون - دانشجوی کارشناسی ارشد مهندسی کامپیوتر-نرم افزار، دانشگاه آزاد اسلامی واحد یاسوج
فرهاد راد - عضو هیئت علمی دانشگاه آزاد اسلامی واحد یاسوج
حمید پروین - عضو هیئت علمی دانشگاه آزاد اسلامی واحد بهبهان

خلاصه مقاله:
اطلاعات باعث قدرت است و دانش قدرتمند تر. اکنون بیشتر از 80 درصد از دانش ما به صورت متن، مستندات و دیگرصورت های رسانه ای نظیر ویدیو و صدا نگهداری می شود. دسته بندی خودکار متون بطور کلی به دو بخش اصلی انتخابویژگی و الگوریتم یادگیری تقسیم می شود که در این زمینه روش های متنوعی ارائه شده است. هدف در این روش ها وتکنیک ها بالابردن دقت دسته بندی و رسیدن به کارآیی مطلوب می باشد. در این مقاله ابتدا روش های موجود برای پیشپردازش کردن، رده بندی، استخراج اطلاعات، روش های یافتن روابط شرح داده شده و سپس ارزیابی و مقایسه ای رویروش های بیان شده صورت گرفته است. در ادامه الگوریتم پیشنهادی که ترکیبی از الگوریتم ماشین بردار پیشتیبان والگوریتم بهینه سازی ازدحام ذرات می باشد ارائه گردیده است. نتایج نشان می دهد الگوریتم پیشنهادی با دقت 94.74کارآ ترین الگوریتم در روش های موجود می باشد.

کلمات کلیدی:
متن کاوی، درخت تصمیم، بیز ، ماشین بردار پشتیبان ، بگینگ، چاید

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/496840/