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

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 .

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