ورود
مقالات فارسیISIکنفرانسهاژورنالها

بهینه سازی و طبقه بندی مستندات نیمه ساخت یافته XML

محل انتشار: دومین همایش ملی پژوهش های کاربردی در علوم کامپیوتر و فناوری اطلاعات
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 512

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/455198

شناسه ملی سند علمی:

CITCONF02_326

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

دسته بندی خودکار در مدیریت اطلاعات با حجم زیاد استفاده میشود . دسته بندی متون نیز تا کنون در زمینه های مختلفی به کار گرفته شده است. این زمینه ها عبارتند از بایگانی اسناد و مدارک ، دسته بندی مقالات جدید، صفحات وب، پیدا کردن صفحه خانگی یک شخص، یادگیری خودکار علایق مطالعاتی و پژوهشی کاربران، فیلتر کردن خودکار پست الکترونیکی بر اساس محتوا و غیره.در این مقاله یک روش جدید برای دسته بندی متون ارائه گردیده است که چگونگی دسته بندی مستندات مختلف در کل مستندات را به نمایش میگذارد.نتایج شبیه سازی نشان دهنده بهبود قابل توجهی در کارایی روشهای بیزین ساده Rocchio و SVM با استفاده از تعریف کمیته هایی ترکیب بند می شوند.

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 :
  • T. Mitchell, Machine Learning, McGraw Hill, New York, US, 2010. ...
  • R. Baeza, N. Ribeiro, Modern Information Retrieval, ACM press, New ...
  • J. Han, M. Kamber, Data Minig: Concepts and Techniques, Morgan ...
  • P. Baldi, P. Frasconi, P. Smyth, Modeling the Internet and ...
  • M. W. Berry, Survey of Text Mining, Clustering, Classification, and ...
  • E. Leopold, J. Kindermann, "Text Categorization with Support Vector Machines. ...
  • Z.H. Deng, S.W. Tang, D.Q. Yang, M.Z.h. Li-Yu Li, K.Q. ...
  • M. Lan, S.Y. Sung, H.B. Low, .C.L. Tan, _ Comparative ...
  • J. Zhang, T.N. Nguyen, _ New Term Significance Weighting Approach, ...
  • .H.J. Oh, S.H. Myaeng, M.H. Lee, "A practical Hypertext Categorization ...
  • M. Diligenti, M. Gori, M. Maggini, F. Scarselli, "Classification of ...
  • Y. Yang, S. Slattery, R. Chani, _ Study of Approaches ...
  • A. Bratko, B. Filipic, _ Study of Approaches to Semi ...
  • L. Denoyer and P. Gallinari, "Baysian Network Model for Semi- ...
  • A. Bratko, B. Filipic, "Exploiting Structural Information for Semi -structured ...
  • Y. Yang, X. Liu, _ Re -Examination of Text Categorization ...
  • F. Sebastiani, "Machine Learning in Automated Text Categorization, _ ACM ...
    • نمایش کامل مراجع