دسته بندی متون فارسی با استفاده از قواعدانجمنی

برای دسته بندی متن از تکنیکهای استخراج اطلاعات پردازش زبان طبیعی و یادگیری ماشین بطور وسیع استفاده می شود بطور کلی هدف یک دسته بند متون دسته بندی اسناد در قالب تعداد معینی از دسته های از پیش تعیین شده می باشد هر سند می تواند در یک چند و یا هیچ دسته ای قرار بگیرد دراین تحقیق از روش دسته بندی برمبنای قواعد انجمنی که از روی فرایند کاوش الگوهای مکرر مجموعه داده های اموزشی تولید شده اند برای دسته بندی متون فارسی استفاده می شود این فرایند با فرایندی که در داده کاوی داده های بزرگ پایگاه داده ها استفاده می شود یکسان می باشد یکی از مهمترین الگوریتمهایی که برای تولید قواعد انجمنی بکار می رود الگوریتم Apriori می باشد دراین تحقیق از CBA (Classification Based on Association که برای این کار برد مناسب تشخیص داده شد استفاده شده است. برای استخراج کلمات کلیدی متون از تکنیک TFIDF و از نرم افزار قدرتمند Weka استفاده شده است.

کلیدواژه ها:

طبقه بندی متون فارسی ، دسته بندی متون فارسی ، قواعد انجمنی ، قواعد دسته بندی ، استخراج کلمات کلیدی ، داده کاوی متن