کاهش ابعاد داده های متنی با استفاده از الگوریتم بهینه سازی فاخته

متن کاوی یک موضوع داده کاوی مهم و محبوب است که در آن هدف اصلی قادر ساختن کاربران برای استخراج داده های اطلاعاتی از داده های مبتنی بر متن و انجام فرآیند های مرتبط بر روی متن، مانند بازیابی، طبقه بندی و تلخیص است. همه ویژگی های موجود در متن برای عملیات طبقه بندی مفید نخواهد بود بلکه صرفا باعث پیچیده شدن مدل و کاهش دقت طبقه بندی خواهد شد به همین جهت یکی از مهم ترین فرآیندهای موجود در آن را می توان انتخاب ویژگی برشمرد. به همین منظور می بایست ویژگی های زائد و کم اهمیت برای افزایش دقت ۹۱ درصدی، کاهش پیچیدگی و بهبود زمان اجراء حذف شوند. اغلب روش های موجود از یک روش فیلتر ساده برای حذف ویژگی ها استفاده می کنند که به علت در نظر نگرفتن تعاملات بین آنها ممکن است باعث از دست رفتن ویژگی های مفید شوند. به علاوه تحقیقاتی در زمینه طبقه بندی و انتخاب ویژگی با استفاده از الگوریتم بهینه سازی مبتنی بر فاخته انجام نشده است. در این تحقیق یک روش نوین دو مرحله ای ارائه شده است که ویژگی هایی که توسط چهار فیلتر رتبه بند در مرحله اول بدست آمده است توسط الگوریتم بهینه سازی فاخته کاهش پیدا می کند. روش پیشنهادی در مجموعه داده های رویترز-۲۱۵۷۸ آزمایش شده است و نتایج با سایر الگوریتم های تکاملی مقایسه و تحلیل شده است. نتایج آزمایشی نشان می دهد روش پیشنهادی دو مرحله ای می تواند به طور قابل توجهی ابعاد فضای ویژگی را کاهش دهد و دقت طبقه بندی را بهبود بخشد.

کلیدواژه ها:

انتخاب ویژگی ، متن کاوی ، بهینه سازی فاخته ، روش دو مرحله انتخاب ویژگی ، طبقه بندی متن