تاثیرطبقه بندی داده های متنی در یادگیری ماشین براساس مجموعه داده ها

با افزایش و رشد منابع اطلاعاتی در وب و اینترانت های شرکتی، نیاز فوری به فناوری های موثر و کارآمد برای کمک به افراد در جستجو و مدیریت این منابع وجود دارد. یادگیری ماشینی، برای طبقه بندی یا دسته بندی متن، روش مهمی برای سازماندهی و مدیریت اطلاعات 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.