مقایسه ی عملکردی الگوریتم های KNN و SVM در دسته بندی متون
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 929
فایل این مقاله در 11 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCO04_095
تاریخ نمایه سازی: 17 آبان 1396
چکیده مقاله:
در محیط پیرامون ما و در زمینه ها و صنایع مختلف حجم وسیعی از داده ها وجود دارد. تا زمانی که این حجم از داده های عظیم تبدیل به اطلاعات مفید و کاربردی نشوند، قابل استفاده و سودمند نخواهند بود. بنابراین نیاز به تجزیه و تحلیل داده ها و ارزیابی آن ها وجود دارد تا بتوان اطلاعات مفیدی از این داده ها استخراج نمود. هدف از داده کاوی تجزیه و تحلیل داده های موجود در پایگاه داده های موجود است. متن کاوی، به داده کاوی ای که بر روی متن انجام شود اشاره دارد که منظور از آن فرایند استخراج اطلاعات با کیفیت از متن است که به طور معمول از فهم الگوها و گرایش ها از طریق معانی و به وسیله یادگیری الگوهای آماری حاصل می شود. از جمله الگوریتم هایی که در زمینه متن کاوی برای طبقه بندی متون در این مقاله مورد بررسی قرار می گیرد الگوریتم های KNN و SVM می باشند. در این مقاله ابتدا به تعریف الگوریتم KNN و SVM پرداخته و سپس به ارزیابی و پیاده سازی هر دو الگوریتم می پردازد. در نهایت پس از انجام مقایسه ی عملکردی با در نظر گرفتن صحت به دنبال ارایه روشی مناسب جهت دسته بندی اسناد و مقالات علمی هست.
کلیدواژه ها:
نویسندگان
زینب شکیبا
دانشجوی دپارتمان کامپیوتر، آموزشکده فنی دختران قم، دانشگاه فنی و حرفه ای استان قم، ایران
مهدیه خدری
دانشجوی دپارتمان کامپیوتر، آموزشکده فنی دختران قم، دانشگاه فنی و حرفه ای استان قم، ایران
فایقه فقیه موسوی
مدرس دپارتمان کامپیوتر، آموزشکده فنی دختران قم، دانشگاه فنی و حرفه ای استان قم، ایران