طبقه بندی متن اخبار فارسی در شبکه های اجتماعی با استفاده از یادگیری ماشین

امروزه حجم عظیمی از اطلاعات در به صورت متنی شبکه های اجتماعی منتقل می شود. طبقه بندی متن یکی از مهم ترین موضوعات در تحلیل شبکه های اجتماعی است. با توجه به سرعت و حجم انتشار اطلاعات در این فضا طبقه بندی متن به صورت دستی به یک کار غیر ممکن تبدیل شده است. استفاده از روش های یادگیری ماشین برای طبقه بندی خودکار متن فارسی راهکار مناسبی برای حل این مسئله است. در این مقاله از مجموعه دادهای استفاده شده که علاوه بر متن کامل خبر، خلاصه و عنوان خبر را نیز داراست و برای طبقه بندی متن در شبکه های اجتماعی مناسب تر است. در روش پیشنهادی پس از پیش پردازش و استخراج ویژگی متن، الگوریتم های طبقه بندی بر روی داده ها آموزش داده شدند. ارزیابی ها نشان داد دو الگوریتم ماشین بردار پشتیبان و رگرسیون لجستیک با دقت های %۸۵ و ۸۴% عملکرد مطلوبی را داشته اند. در بررسی نتایج بر روی دسته های خبری مشخص شد که میزان فراوانی و دایره واژگان دسته ها، بر روی تفکیک پذیری و دسته بندی آن ها تاثیر گذار است.

کلیدواژه ها:

دسته بندی اخبار ، پردازش زبان طبیعی ، یادگیری ماشین ، طبقه بندی متن ، شبکه های اجتماعی