بررسی و ارزیابی طبقه بندی متن در یادگیری ماشین براساس مجموعه داده ها

با رشد روز افزون حجم اطلاعات الکترونیکی و آنلاین، دسترسی سریع و صحیح به منابع مهم و موردعلاقه، یکی از دغدغه های استفاده از این منبع اطلاعاتی بسیار بزرگ است. متن کاوی یکی از زمینه های است که به دنبال استخراج اطلاعات مفید، از داده های متنی بدون ساختار، به وسیله شناسایی و اکتشاف الگوها می باشد. یکی از تکنیک های مهم در متن کاوی طبقه بندی می باشد. طبقه بندی متن، اساسی ترین کار در پردازش زبان طبیعی بوده و یک فناوری موثر و کارآمد برای سازماندهی و مدیریت اطلاعات است. روش ها و الگوریتم های متفاوتی برای طبقه بندی متن بکار برده شده است که این روش ها در دقت و محاسبات متفاوت می باشند که نیاز به یک نظر سنجی جامع و به روز را افزایش می دهد. با این حال، افزایش چشمگیر در دسترس بودن داده های متنی عظیم از منابع مختلف، تعدادی از مسائل و چالش ها را برای طبقه بندی متن ایجاد می کند. هدف از این تحقیق، با تمرکز بر مدل های مختلفی از یادگیری، به بررسی و ارزیابی رویکردهای پیشرفته در طبقه بندی متن پرداخته می شود و یک مقایسه جامع بین تکنیک های مختلف و همچنین شناسایی جوانب مثبت و منفی معیارهای ارزیابی مختلف نیز در این بررسی ارائه شده است.

کلیدواژه ها:

یادگیری عمیق ، طبقه بندی متن ، معیارهای ارزیابی ، چالش ها.