الگوریتمی جدید برای طبقه بندی مستندات، مبتنی بر وزن دهی به ویژگی ها و فایل ها

با توجه به حجم روز افزون اطلاعات در دنیای کنونی، نیاز به ابزارهای قدرتمند جدید برای تبدیل داده به دانش مفید افزایش یافته است. یکی از روش های حیاتی کنترل و مدیریت داده ها، طبقه بندی متون می باشد. در این مقاله الگوریتمی برای طبقه بندی مستندات ارائه شده است که دارای قابلیت هایی همچون کنترل کیفیت دسته بندی ایجاد شده بر اساس بازخورد معیار ارزیابی F، وزن دهی به ویژگی ها با روش وزن دهی مبتنی بر طبقات و همچنین اختصاص دادن وزن به هر فایل در تمامی طبقات و انتقال فایل به طبقه ای که وزن بیشتری در آن طبقه دارد، می باشد. این روند باعی می شود حذف کلمات زائد به دلیل بهبود در کلاس ها با کیفیت بالاتری انجام شود. در نهایت الگوریتم را مورد ارزیابی قرار می دهیم، به این صورت که ابتدا تأثیر طبقه بندی تصادفی اولیه ی متفاوت، سپس تأثیر روش های مختلف وزن دهی TFCRF, TFRF, TFIDF و روش وزن دهی پیشنهادی را بر روی خروجی الگوریتم طبقه بندی پیشنهادی مورد بررسی قرار می دهیم. در پایان، الگوریتم پیشنهادی با سایر الگوریتم ها مقایسه می شود. نتایج نشان می دهد، تمامی موارد ذکر شده به صورت تجمعی باعث افزایش کیفیت و دقت در طبقه بندی می شود.

کلیدواژه ها:

متن کاوی ، طبقه بندی متون ، وزن دهی ویژگیها ، بازیابی مستندات