[ گزارش اشكال در مقاله | بازگشت | جستجو | ليست كنفرانس‌ها ]

گام نخست در كاوش متون فارسي  Fulltext 

[ آذر شاهقليان ] - دانشگاه آزاد اسلامي واحد نجف آباد،
[ محمدحسين سرايي ] - عضو هيأت علمي دانشگاه صنعتي اصفهان، استاد مدعو دانشگاه آزاد اسلامي واحد نجف آباد
[ علي شالبافزاده ] - دانشگاه صنعتي اصفهان

خلاصه مقاله:

طبقه بندي بر مبناي فاصله براي طبقه بندي متون فارسي پيشنهاد داده شده است . طبقه بند، در فاز يادگيري، مجموعه - اي از متون آموزشي را براي استخراج ويژگيهاي دستهها بررسي ميكند تا خصوصيات اصلي ويژه دسته را بدست آورد . بطوريكه در فاز تست طبقهبند، اين ويژگيهاي مختص دسته براي طبقه بندي متون طبقهبندي نشده بهكار ميرود . از stemming براي كاهش ديمانسيون بردارهاي ويژگي استفاده ميشود . دقت طبقهبند بوسيله اعمال الگوريتم روي مجموعه جمعآوري شدهاي از متون فارسي، مورد آزمايش قرار گرفته است . نتايج حاصله نشان ميدهد كه طبقهبند پيشنهادي از دقت بالايي برخوردار است . مجموعهاي از متون فارسي كه از روي سايتهاي خبري موجود در وب جمع آوري شده است، براي انجام اين تحقيق بكار ميرود . اين متون در ابتدا بوسيله از بين بردن علائم نقطهگذاري و كلمات بيفايده، پيش پردازش ميشوند . در طبقهبند براي نمايش هر متن از يك بردار ويژگي استفاده ميشود كه شامل كلمات شاخص و ميزان تكرار آن كلمات در متن ميباشد . پيشگويي طبقهبند بر پايه فرضيات آماري استوار است كه متوني كه در دسته يكساني قرار ميگيرند، ويژگيهاي مشابهي دارند . براي طبقهبندي متن جديد، ابتدا بردار ويژگي آن متن ساخته شده، سپس با بردارهاي ويژگي دستهها مقايسه ميشود . دسته برنده، دستهاي است كه به متن جديد نزديكتر است . اين ايده طبقهبندي k-NN ميباشد

طبقهبندي متن، يادگيري ماشين، زبان فارسي، K-NN Classifier