مقایسه عملکرد الگوریتم های پایه یادگیری ماشین در دسته بندی اشعار فارسی به دو گروه تلمیح دار و بدون تلمیح

هدف از پژوهش حاضر بررسی عملکرد چند روش یادگیری ماشین در دسته بندی اشعار فارسی به دو گروه تلمیح دار و بدون تلمیح است. به این منظور، از روش های نظارت شده بیز ساده، ماشین بردار پشتیبان، درخت تصمیم، جنگل تصادفی، k نزدیک ترین همسایه، رگرسیون لجستیک و الگوریتم پرسپترون چندلایه استفاده شد. پس از جمع آوری داده های برچسب خورده در قالب دو فایل متنی، هرکدام از ابیات به بردار عددی تبدیل شدند. پس از ادغام داده ها و تقسیم آنها به دو دسته آموزش و آزمون، الگوریتم مدنظر بر روی داده های آموزشی پیاد ه سازی و بر روی داده های آزمون، آزمایش گردید تا دقت عملکرد الگوریتم سنجیده شود. خروجی هر الگوریتم، برچسب پیش بینی شده توسط ماشین برای ابیات موردنظر بود و برای ارزیابی الگوریتم ها از روش LOOCV استفاده شد. نتایج ارزیابی نشان داد که الگوریتم های بیز ساده ۰۹/۷۶%، رگرسیون لجستیک ۰۹/۷۶%، پرسپترون چند لایه ۲۲/۷۵% و ماشین بردار پشتیبان ۳۵/۷۴% نسبت به الگوریتم های دیگر عملکرد بهتری دارند. درمجموع و با توجه به سایر معیارها، از جمله معیار اف ۱ و زمان اجرا، می توان گفت که بهترین عملکرد مربوط به الگوریتم بیز ساده بود.

کلیدواژه ها:

تلمیح ، شعر فارسی ، دسته بندی متن ، یادگیری ماشین ، پردازش زبان طبیعی