دسته بندی متن اخبار فارسی با الگوریتم رگرسیون لجستیک

با توجه به افزایش روزافزون داده، حجم داده های متنی نیز با سرعت بالایی در حال رشد است. استخراج اطلاعات از این داده های متنی یکی از ضرورت های دنیای مبتنی بر اطلاعات امروزی است. دسته بندی متن یکی روش های دست یابی به اطلاعات این داده های حجیم است. در این تحقیق با استفاده از یک مجموعه داده استاندارد اخبار فارسی که شامل پنج ویژگی در بیش از ۸۶هزار خبر بود به بررسی عملکرد الگوریتم رگرسیون لجستیک در دسته بندی متن فارسی و همچنین مقایسه آن با سایر کارهای مشابه پرداختیم. با توجه مراحل ساخت یک دسته بند متن،روش مورد استفاده در بخش بردارسازی را توضیح داده و همچنین اهمیت بخش پیش پردازش و مخصوصا روش مورد استفاده در برچسب گذاری و تبدیل برچسب های فرعی به اصلی را بیان کردیم. در ارزیابی نهایی، با استفاده از تغییر پارامترهای الگوریتم و همچنین اصلاح برچسب ها ی اخبار، به نتیجه مطلوب ۹۵% در معیار دقت برای دسته بندی متن مجموعه داده اخبار فارسی رسیدیم.

کلیدواژه ها:

دسته بندی متن ، رگرسیون لجستیک ، پیش پردازش متن ، مجموعه داده اخبار فارسی