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

مقایسه عملکرد الگوریتم های یادگیری ماشین در دسته بندی اخبار با موضوع خاص

عنوان مقاله: مقایسه عملکرد الگوریتم های یادگیری ماشین در دسته بندی اخبار با موضوع خاص
شناسه ملی مقاله: CECCONF11_029
منتشر شده در یازدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات در سال 1399
مشخصات نویسندگان مقاله:

محمد بصیرزاده - دانشجوی کارشناسی ارشد هوش مصنوعی و رباتیکز، دانشگاه جامع امام حسین (ع)
محمدرضا حسنی آهنگر - استاد دانشگاه جامع امام حسین (ع)

خلاصه مقاله:
دسته بندي متون فرآیندي است که هدف آن دسته بندي خودکار متون در موضوعات از پیش تعریف شده است. امروزه با افزایش روزافزون حجم اطلاعات اهمیت این موضوع بیش از پیش احساس می شود. متون خبري ازجمله منابعی هستند که دسته بندي آن ها حائز اهمیت بوده و در استخراج اطلاعات مفید از منابع خام به ما کمک می کند. همچنین دسته بندي اخباري که موضوع کلی ماشین بردار پشتیبان، شبکه عصبی سافتمکس و K نزدیک ترین همسایه را به صورت جداگانه بر روي تیتر اخبار اقتصادي و سیاسی منتشر شده در خبرگزاري فارس بررسی و با 4 معیار دقت، صحت، حساسیت و شاخص f1 مقایسه کردیم. همچنین این اخبار هر کدام در 4 زیر دسته مربوط به موضوع خود برچسب گذاري شده اند. در نتیجه این آزمایش ها الگوریتم ماشین بردار پشتیبان با میانگیندقت 0.96 بهترین بازدهی را از خود نشان داد.مشترکی دارند به علت کلید واژه هاي مشترك، مسئله پرچالش تري است. در این پژوهش عملکرد 4 الگوریتم بیز ساده چند جمله اي،

کلمات کلیدی:
دسته بندی، طبقه بندی اخبار، پردازش زبان طبیعی، یادگیری ماشین

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1134765/