بررسی و ارزیابی روش های خوشه بندی اسناد متنی با استفاده از یادگیری ماشین

اهمیت داده های متنی بر هیچکس پوشیده نیست. با گسترش روزافزون این داده ها، دسترسی کاربران به اطلاعات مورد نیازشان پیچیده و دشوار شده است. به همین دلیل، دسته بندی داده ها می تواند در تسهیل دسترسی به اطلاعات مفید و مورد نیاز کمک بزرگی باشد. این موضوع باعث شده تا محققین برای دسته بندی اسناد، از روش های نوین استفاده کنند تا زمان دسترسی کاربران به اطلاعات مورد نظرشان را بهبود بخشند. دسته بندی اسناد از موضوعات مهمی است که توجه زیادی از محققین را به خود جلب کرده است. این روش ها با ارائه پیشنهادات بهتر و استفاده از روش های نوین، به کاربران کمک می کنند تا به سرعت و با دقت بیشتری به اطلاعات مورد نیاز دست یابند. امروزه، با حجم بالای داده های تولیدی، دسترسی دستی به این اطلاعات غیرممکن و وقت گیر است. از این رو، هدف اصلی دسته بندی اسناد این است که کاربران بتوانند به راحتی با موضوعات مورد علاقه شان در تعامل باشند. محققین برای دسته بندی اسناد متنی از تکنیک های مختلف استفاده کرده اند. خوشه بندی اسناد متنی از مسائل اساسی در زمینه پردازش زبان طبیعی به شمار می رود. هدف اصلی این فرایند، گروه بندی متون به گونه ای است که متون با شباهت های بیشتر در یک گروه قرار گیرند. در این مقاله مروری بر روش های خوشه بندی اسناد متنی با استفاده از تکنیک های یادگیری ماشین خواهد شد.

کلیدواژه ها:

خوشه بندی ، اسناد مبتنی بر متن ، یادگیری ماشین ، زبان طبیعی