CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

دسته بندی متون فارسی با استفاده از یادگیری نیمه نظارت شده

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۰۵۳ | نظرات: ۰
سرفصل ارائه مقاله: مهندسی کامپیوتر
سال انتشار: ۱۳۹۱
کد COI مقاله: ICEEE04_148
زبان مقاله: فارسی
حجم فایل: ۵۲۰.۵۸ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۷ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله دسته بندی متون فارسی با استفاده از یادگیری نیمه نظارت شده

  محسن طاهری نیا - دانشجوی کارشناسی ارشد دانشکده برق و کامپیوتر، دانشگاه صنعتی اصفهان

چکیده مقاله:

امروزه با توجه به حجم و رشد روز افزون متون فارسی، دسته بندی اتوماتیک اسناد و متون از ارزش بزرگ عملی برخوردار و به طور فزاینده، زمینه ی مهمی برای تحقیق است. در این نوشتار به بررسی یکی از روش های یادگیری هوشمند به نام یادگیری نیمه نظارت شده در دسته بندی متون فارسی خواهیم پرداخت. بسیاری از روش های یادگیری هوشمندانه مانند یادگیری نظارت شده، فقط بر روی داده های آموزشی برچسب دار تکیه می کنند، در شرایط یکه بدست آوردن این داده های آموزشی دارای برچسب بسیار پرهزینه است. حال آنکه حجم زیادی از داده های بدون برچسب به سرعت زیاد و با هزینه ی کم در دسترس هستند. در مقابل روش هایی مانند روش یادگیری بدون نظارت فقط بر روی داده های بدون برچسب تکیه می کنند. در ادامه به بررسی روش یادگیری نیمه نظارت شده که ما بین روش های یادگیری نظارت شده و یادگیری بدون نظارت قرار دارد و از ترکیبی از مثال های آموزشی برچسب دار و بدون برچسب برای یادگیری استفاده می کند پرداخته و از این تکنیک برای دسته بندی متون فارسی استفاده می کنیم.

کلیدواژه‌ها:

دسته بندی متون فارسی، یادگیری نیمه نظارت شده، تئوری بیز، الگوریتم EM.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICEEE04-ICEEE04_148.html
کد COI مقاله: ICEEE04_148

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
طاهری نیا, محسن، ۱۳۹۱، دسته بندی متون فارسی با استفاده از یادگیری نیمه نظارت شده، چهارمین کنفرانس مهندسی برق و الکترونیک ایران، گناباد، دانشگاه آزاد اسلامی واحد گناباد، https://www.civilica.com/Paper-ICEEE04-ICEEE04_148.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (طاهری نیا, محسن، ۱۳۹۱)
برای بار دوم به بعد: (طاهری نیا، ۱۳۹۱)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • O. Chapelle, B. Scholkopf, and A. Zien, Eds., Sem i-Supervised ...
  • Zhu, X. and A.B. Goldberg, "Introduction _ Sem i-Supervised Learning". ...
  • X. Zhu, _ :Sem i-Supervised learning literature survey, ; Computer ...
  • M. F. Balcan and A. Blum, "A discriminati, model for ...
  • M. W. Berry, Survey of Text Mining: Retrieval, ...
  • طبقه بندی خودکار متون فارسی [مقاله کنفرانسی]
  • Supervised text classification using partitioned EM, " in Database Systems ...
  • K. Nigam, A. K. Mccallum, S. Thrun, and T. M. ...
  • R. Ghani, "Combining labeled and unlabeled data for text classification ...
  • T. Mitchell, ،:The role of unlabeled data in supervised learning" ...
  • Kenan. Text Classification by a Neural Network. Proceedings of the ...
  • _ _ _ e-mail". Inf. [12] Soucy, P., Mineau, G.W. ...
  • Support Vector Machines: Learning with Many Relevant Features. Machine Learning: ...
  • M. Arabsorkhi, M. Shamsfard, "Unsupervised Discovery of Persian Morphemes, " ...
  • ایوب باقری، حامد فرزانه فر، محمد حسین سرایی، محمدرضا احمدزاده ... [مقاله کنفرانسی]
  • ارائه روشی جدید در طبقه بندی متون فارسی با استفاده از دانش معنایی [مقاله کنفرانسی]
  • A. Astorino, E. Gorgone, M. Gaudioso, and D. Pallaschke, "Data ...
  • C. Rosenberg, M. Hebert, and H. Schneiderman, of object ...
  • (WACV/M OTION 05) - Volume 1.Washington, DC, USA: IEEE Computer ...
  • Sci., 2007. 177(10): p. 2167-2187. ...
  • D. Ikeda, H. Takamura, and M. Okumura, blog ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۱۴۵۵
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.