دسته بندی متون بر اساس محتوا با روشهای پیش پردازشی

امروزه فرآیند بررسی مجموعه های زیادی از منابع نوشته شده برای تولید اطلاعات جدید و تبدیل متن بدون ساختار به داده-های دارای ساختار به منظور استفاده در تجزیه و تحلیل بیشتر و سریعتر، بسیار گسترش یافته است. متن کاوی شناسایی حقایق، روابط و ضوابطی است که در توده ی داده های متون با تعداد بسیار بزرگ ذخیره می شود. استخراج و تبدیل حقایق به داده های ساخت یافته، به منظور تجزیه و تحلیل متون به صورت مصور(به عنوان مثال از طریق جداول و نمودارها) و یا ادغام با داده های ساختاری برای ذخیره در پایگاه های داده یا انبار داده ها انجام می پذیرد، که این امر توسط سیستم های یادگیری ماشین امکان پذیر می باشد. در این پژوهش از طریق متن کاوی و به حل مسئله دسته بندی در اسناد متنی پرداخته شده است. در این پژوهش علاوه بر استفاده از ماشین بردار پشتیبان ، به منظور کسب نتایج بهتر و با دقت بالاتر، از گروه بندی دسته بندها نیز استفاده شده است. برای استفاده از چند مدل برای دسته بندی و استخراج مفهوم از متون، نیاز به چند دسته بند می باشد که از میان دسته بندها، دسته بندهایی انتخاب شده است که سبک و کارا باشند تا استفاده از چند دسته بند، بار زمانی و محاسباتی الگوریتم پیشنهادی را افزایش ندهد. نتایج حاصل از این طرح نشان دهنده کارایی و دقت در دسته بندی الگوریتم پیشنهادی است.

کلیدواژه ها:

دسته بندی متون ، کاهش نویز ، کاهش بعد ، ، ترکیب گروهی دسته بندها