ارائه مدلی جدید برای دسته بندی خودکار متون
محل انتشار: همایش ملی مهندسی رایانه و مدیریت فناوری اطلاعات
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,812
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSITM01_571
تاریخ نمایه سازی: 10 شهریور 1393
چکیده مقاله:
در این مقاله مدل جدیدی برای دسته بندی خودکار متون ارائه شده است. این مدل شامل دو فاز، پیش پردازش متن و فاز دستهبندی متن می باشد. فاز پیش پردازش شامل مرحله آماده سازی متن، شاخص گذاری و وزن دهی شاخص ها می باشد. مرحله آماده سازی مدل پیشنهادی شامل بدست آوردن ریشه کلمات، حذف پیشوندها و پسوندها، حذف Stop Word ها و علائم نگارشی می باشد. ما در مدل پیشنهادی برای شاخص گذاری در فاز پیش پردازش از روش N-gram و برای وزن دهی به شاخص ها از فیلتر TF.IDF استفاده کرده ای . در فاز دوم برای آموزش مدل جهت دسته بندی از الگوریتم ماشین بردار پشتیبان (SVM) استفاده شده است. به منظور ارزیابی و مقایسه نتایج، معیارهای دقت، بازخوانی، Micro-F1 و Macro-F1 برای روش های مختلف شاخص گذاری محاسبه شده اند. نتایج آزمایش ها که بر روی مجموعه داده Reuters 21578، انجام گرفت نشان می دهد، که مدل پیشتنهادی ما بهترین کارایی را نسنت به الگوریت های K-NN،Naïve Bayes ،W-j48 و Decision Tree روی این مجموعه داده را دارد.
کلیدواژه ها:
نویسندگان
حکمت الله مومیوند
کارشناسی ارشد، گروه مهندسی نرم افزار دانشگاه جامع علمی کاربردی، واحد الشتر لرستان، ایران
رسول صیدی پیری
عضو باشگاه پژوهشگران جوان، دانشگاه آزاد اسلامی واحد دهاقان
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 :