طبقه بندی متن بر اساس رویکرد ترکیبی از نظریه مجموعه ناهموار و شبکه عصبی
محل انتشار: کنفرانس بین المللی پژوهشهای نوین در مهندسی برق،کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام
سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 402
فایل این مقاله در 10 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:
ICECM01_010
تاریخ نمایه سازی: 16 آبان 1399
چکیده مقاله:
با توجه به گسترش اینترنت و افزایش حجم مطالب متنی، نیاز به روش های مدیریت متون و مطالب بطور چشمگیری افزایش یافته است. طبقه بندی متن یکی از ابزارهایی مطرح در هوش مصنوعی است که میتواند در این زمینه مؤثر باشد. طبقه بندی متن کاربردهای فراوانی دارد و از جمله کاربردهای آن میتوان به موتورهای جستجو، سیستم های فیلترینگ، سیستم های سازماندهی متون، کتابخانه های دیجیتال، دسته بندی خبرهای دریافت شده در گروه های خبری، تشخیص هرزنامه ها در سیستم های پست الکترونیك و بسیاری کاربردهای دیگر اشاره کرد. در این پژوهش از نظریه مجموعه ناهموار برای انتخاب ویژگی های متون واز شبکه عصبی MLP جهت انجام طبقه بندی برروی متون استفاده شده است. برای سنجش نتایج حاصله از مقایسه روش پیشنهادی با دو روش دیگر مبتنی بر شبکه عصبی RBF و نایوبیز 1 استفاده شده است در نتایج آزمایشگاهی مشاهده شد که روش پیشنهادی بطور میانگین از هر دو روش بهتر است
کلیدواژه ها:
نویسندگان
سینا دامی
استادیار گروه مهندسی کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران
نجمه فرقانی
دانشجوی کارشناسی ارشد IT، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران