بهبود دسته بندی متون با استفاده از الگوریتم تکاملی فاخته و آتوماتای یادگیر
محل انتشار: اولین همایش ملی مهندسی کامپیوتر و فناوری اطلاعات
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 492
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITECH01_102
تاریخ نمایه سازی: 17 آبان 1396
چکیده مقاله:
با توجه به رشد روزافزون دسترسی به اینترنت واسناد الکترونیکی، بهبود دسته بندی خودکار متون اهمیت ویژه ای یافته است. دسته بندی خودکار متون عمل برچسب گذاری موضوعی متون، بر مبنای یک مجموعه از پیش تعیین شده می باشد. دسته بندی متون به طور کلی به دو بخش اصلی انتخاب ویژگی والگوریتم یادگیری تقسیم می شد. هدف از انتخاب ویژگی، کاهش تعداد ویژگی ها تا حد ممکن است تا ویژگی های افزونه و غیر مرتبط حذف شوند و کارایی دسته بند بهتر شود. در ارتباط با تکنیک های انتخاب ویژگی و الگوریتم های یادگیری، روش های متنوعی ارایه شده است. هدف در تکنیک های ارایه شده، بالا بردن دقت دسته بندی و رسیدن به کارایی مطلوب می باشد. روش انتخاب ویژگی به کارگرفته شده از نوع زیر می باشد و از دسته بندها برای ارزیابی نتیجه استفاده می کند. روش پیشنهادی با استفاده از الگوریتم تکاملی فاخته و آتوماتای یادگیر با ساختار ثابت از نوع مهاجرت اشیا پیاده سازی ومورد ارزیابی قرار گرفته است. سپس روش پیشنهادی را با الگوریتم بهینه سازی انبوه ذرات برای انتخاب ویژگی مقایسه کرده ایم، که نتایج شبیه سازی در بیشتر موارد نشان دهنده برتری الگوریتم پیشنهادی می باشد.
کلیدواژه ها:
نویسندگان
مژگان رحیمی راد
عضو گروه کامپیوتر، واحد سوسنگرد، دانشگاه آزاد اسلامی، سوسنگرد، ایران
مریم قنواتی
عضو گروه کامپیوتر، واحد سوسنگرد، دانشگاه آزاد اسلامی، سوسنگرد، ایران