دسته بندی متون فارسی با استفاده از الگوریتم SVM و بررسی روشهای کاهش خصیصه
محل انتشار: سومین کنفرانس داده کاوی
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 5,304
فایل این مقاله در 8 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:
IDMC03_044
تاریخ نمایه سازی: 13 دی 1389
چکیده مقاله:
در دسته بندی متون بطور معمول از کلمات متن به عنوان خصیصه های آن متن استفاده می شود در نتیجه روشهای دسته بندی متون با تعداد زیادی خصیصه مواجه می باشند به منظور کاهش تعدا د خصیصه ها و انتخاب خصیصه های مرتبط از روشهای متعددی استفاده می شود دراین مقاله به مقایسه روشهای مورد استفاده در دسته بندی متون و معرفی بهترین روش می پردازیم از جمله روشهای موجود در دسته بندی متون می توان به روشهی بیزین ساده KNN Rocchio رگرسیون، درختهای تصمیم گیری ، شبکه های عصبی، SVM، مبتنی بر قاعده و تکاملی اشاره نمود روش SVM یکی از بهترین روشها در دسته بندی متون می باشد دراین روش که یکی از روشهای یادگیری با سرپرستی میباشد اطلاعات را ازفضای حاضر به فضای برداری دیگری عموما با ابعاد بیشتر که در آن الگوریتم های یادگیری خطی قابل کاربرد است نگاشت می کند.
کلیدواژه ها:
نویسندگان
نصراله مقدم چرکری
استادیار دانشکده برق و کامپیوتر
مهناز زمانیان
دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات دانشگاه تربیت مدرس