دسته بندی متون زبان فارسی با استفاده از نگاشت کلمه به بردار
- سال انتشار: 1399
- محل انتشار: کنفرانس ملی سیستم های هوشمند و محاسبات سریع
- کد COI اختصاصی: ECECON01_040
- زبان مقاله: فارسی
- تعداد مشاهده: 1301
نویسندگان
استادیار گروه مهندسی کامپیوتر، مرکز آموزش عالی شهرضا، شهرضا، ایران
دانشجوی کارشناسی گروه مهندسی کامپیوتر، مرکز آموزش عالی شهرضا، شهرضا، ایران
چکیده
دسته بندی متن یکی از کلیدی ترین و مهم ترین فعالیت های حوزه متن کاوی است. هدف از دسته بندی متن، قرار دادن هر متن در دسته های از پیش تعین شده بر اساس یادگیری اولیه سیستم است. تحقیقاات گسترده ای که در حیطه دسته بندی در زبان های مختلف و به خصوص در زبان انگلیسی انجام شده است. امام فعالیت های انجام شده در زبان فارسی برای این حوزه بسیار محدود و دارای دو چالش اساسی است. اولین چالش این روش ها استفاده از شیوه های سنتی و قدیمی دسته بندی برای زبان فارسی و چالش دوم، ارزیابی روش ارائه شده بر روی مجموعه محدود و کم تعدادی از متون است. از این رو در این مقاله روشی برای دسته بندی متون فارسی بر پایه نگاشت کلمه به بردار به عنوان یکی از حوزه های جدید و کاربردی یادگیری ماشین پیشنهاد می شود و تلاش می شود روش پیشنهادی از جنبه های مختلف و بر روی یک مجموعه 90 هزارتایی از اخبار فارسی ارزیابی و بررسی گردد تا خروجی روش قابل اطمینان و سازگار با شرایط مختلف باشد. در روش پیشنهادی ابتدا پیش پردازش های لازم برای زبان فارسی بر روی مجموعه داده اعمال می گردد. سپس به کمک نگاشت کلمه به بردار، فضای مسئله به یک فضای n بعدی از اعداد نگاشت می شود. در این نگاشت هر کلمه به برداری از اعداد تبدیل می شود بهه نحوی که کلمات مشابه از نظر برداری به هم نزدیک باشند. سپس این بردارها مبنای آموزش یک دسته بند قرار گرفته و عمل پیشگویی موضوع هر متن طبق این آموزش انجام می شود. نتایج ارزیابی ها نشان دهنده موفقیت روش پیشنهادی در دسته بندی متن های زبان فارسی است.کلیدواژه ها
متن کاوی، دسته بندی متن، استخراج ویژگی، شبکه عصبی مصنوعی، نگاشت کلمه به بردار، ماشین بردار، پشتیبانمقالات مرتبط جدید
- بررسی تاثیر نحوه ارتباط با مشتری در میزان توسعه یافتگی فرآیند دیجیتال مارکتینگ
- مدل مقدار اقتصادی تولید با در نظر گرفتن خرابی احتمالی ماشین آلات با تولید اقلام معیوب همراهسیاست ارسال چندگانه جهت تعیین زمان بهینه تولید
- تحلیل پایداری سیستم غذایی با استفاده از رویکرد پویایی سیستم
- تاثیر تخصص حسابرس و هزینه بدهی بر مدیریت سود با نقش مالکیت نهادی
- نقش و اهمیت همکاری هنرستان های فنی و حرفه ای و دانشگاه های برتر کشور در پیشرفت و توسعهرشته کامپیوتر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.