ارائه روشی جدید در طبقه بندی متون فارسی با استفاده از دانش معنایی

امروزه با افزایش روزافزون حجم اطلاعات، وجود سیستمی برای دستهبندی خودکار متون ضروری به نظر میرسد. در این مقاله سیستم جدیدی برای دسته بندی خودکار متون فارسی ارائه شده است.این سیستم شامل دو مرحله اصلی است: مرحله پردازش و مرحله دستهبندی. در مرحله اول با پردازش دادههای آموزشی بهترین ویژگی های نماینده هر کلاس استخراج شده و برای آموزش دست هبندی کننده مبتنی بر ماشین بردار پشتیبان استفاده میشوند و سپس در فازدستهبندی، ماشین بردار پشتیبان قادر خواهد بود دادههای تست را به یکی از کلاسهای آموزش داده شده نسبت دهد. در روش ارائه شده دراین مقاله برای افزایش دقت دستهبندی کننده از دانش معنایی موجود در گنجواژه بهره گرفته شده است. به این ترتیب که ویژگیهای مربوط به هر کلاس میتواند با استفاده از گنجواژه گسترش یابد. برای ارزیابی روش پیشنهادی مجموعه داده آموزشی و تست لازم شامل متون فارسی از طرق مختلف مانند وب و پیکرههایی به زبان فارسی جمع آوری و برچسب زنی شده و تأثیر تعداد کلاسهای متفاوت و حجم مجموعه داده آموزشی در میزان بهبود حاصل از استفاده گنجواژه مورد آزمایش و بررسی قرار گرفته است. نتایج آزمایشها حاکی از بهبود عملکرد با استفاده از این روش میباشد. همچنین قابل مشاهده است که به کارگیری این روش در حالت کمبود دادههای آموزشی تأثیر قابل توجهی در افزایش کارایی دارد.