ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

روش جدید استخراج خودکار کلمات زائد مبتنی بر اطلاعات کلاس در حوزه طبقه بندی مستندات

سال انتشار: 1392
کد COI مقاله: CESD01_201
زبان مقاله: فارسیمشاهده این مقاله: 418
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله روش جدید استخراج خودکار کلمات زائد مبتنی بر اطلاعات کلاس در حوزه طبقه بندی مستندات

محبوبه ضیایی - دانشجوی کارشناسی ارشد هوش مصنوعی، بخش مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان.
علی اکبر نیک نفس - استادیار، بخش مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان

چکیده مقاله:

در بحث متن کاوی با توجه به فراوانی تعداد ویژگی ها ، ویژگی هایی که دارای اهمیت کمتری هستند را حذف می کنند تا با ویژگی های مهمتر کارهای متن کاوی را روی فایل ها انجام دهند. برای حذف این کلمات عموما لیستی از این کلمات از پیش تهیه می شوند و سپس در صورت رخداد این کلمات در متن ، از سند حذف می شوند.در این مقاله یک روش جدید برای حذف کلمات زائد ، خاص حوزه ی طبقه بندی مستندات ارائه می شود و در این روش به هر کلمه با توجه به اینکه در چه طبقه ای قرار دارد وزنی تعلق می گیرد،این روش وزن دهی جدید هم به طبقه ای که حاوی فایل ی که کلمه در آن قرار دارد و هم به وزن کلمه در فایل توجه دارد و کلماتی که وزن شان از آستانه ی مورد نظر کمتر باشد حذف می شود و وارد لیست کلمات زائد می شوند وهمچنین به این نکته توجه شده که کلمات زائد یک طبقه با کلمات زائد طبقات دیگر متفاوت است با در نظر داشتن این موضوع قطعا نتیجه ای که به دست می آید تاثیر بسیار مطلوبی نسبت به زمانی که از یک لیست برای حذف کلمات زائد استفاده می شود ، در حوزه طبقه بندی مستندات حاصل می شود .

کلیدواژه ها:

متن کاوی ، طبقه بندی مستندات ، یادگیری ماشین ، وزن دهی ویژگی، بازیابی مستندات

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا CESD01_201 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/239027/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ضیایی، محبوبه و نیک نفس، علی اکبر،1392،روش جدید استخراج خودکار کلمات زائد مبتنی بر اطلاعات کلاس در حوزه طبقه بندی مستندات،همایش مهندسی کامپیوتر و توسعه پایدار با محوریت شبکه های کامپیوتری، مدلسازی و امنیت سیستم ها،مشهد،https://civilica.com/doc/239027

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392، ضیایی، محبوبه؛ علی اکبر نیک نفس)
برای بار دوم به بعد: (1392، ضیایی؛ نیک نفس)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Mario Cataldi, K. Sel;uk Candan, Maria Luisa Sapino _ 'Narrative ...
  • Yang, Y. and Liu, X., :A Re- Examination of Text ...
  • Joachims, T., "Text Categorization with Support Vector Machines: Learming with ...
  • Apte, C., Damerau, F., Weiss, S., _ Mining with Decision ...
  • Creecy, R.M. et al., "Trading MIPS and Memory for Knowledge ...
  • Koller, D., Sahami, M., "Hierarchically classifying documents using very few ...
  • S. B. Kiml, K. S. Han, H. C. Riml and ...
  • LEWIS, D. D., SCHAPIRE, R. E., CALLAN, J. P., AND ...
  • NIGAM, K. _ MCCALLUM, _ K., THRUN, S., ANDMITCH ELL, ...
  • RILOFF. E. 1995. Little words can make a big difference ...
  • JOACHIMS, T. AND SEBASTIANI, F. 2002. Guest editors introduction to ...
  • Salton, G., Yang, C.S., "On the Specification of Term Values ...
  • Robertson, A.M. and WillettP., :An Upperbound to the Performance of ...
  • Boger, Z., Kuflik, T., and Shoval, P., ":Automatic Keyword Identification ...
  • Lan, M., Sung, S.Y., Low, H.B., Tan, C.L., _ Comparative ...
  • M. Maleki, A. Abdollahzadeh, "A New Location-based Feature Weighting Method ...
  • Lubn, H.P, _ Statistical Approach to the Mechanized Encoding and ...
  • Leopold, E. and Kindermann, J., :Text Categorization with Support Vector ...
  • Sparck Jones, K.:"Indexing Term Weighting", Information Storage and Retrieval, Vol. ...
  • Salton, G., Allan, J., and Singhal, A, ":Automatic Text Decomposition ...
  • SINGHAL, A., SALTON, G., MITRA, M., AND BUCKLEY, C. 1996. ...
  • SALTON, _ AND BUCKLEY, C. 1988. T erm-weighting approaches in ...
  • GFOVERT, N., LALMAS, M., AND FUHR, N. 1999. A probabillistic ...
  • LARKEY, L. S. AND CROFT, W. B. 1996. Combining classifiers ...
  • T. Joachims. Text categorization with support vector machines: Learming with ...
  • F. Sebastiani. Machine learning in automated text categorization. ACM Computing ...
  • S. Dumais, J. Platt, D. Heckerman, and M. Sahami. Inductive ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 16,666
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی