کاوشی بر رفتار الگوریتم های کلاسه بندی مبتنی بر درخت تصمیم گیری و الگوریتم نزدیکترین K همسایه در متون فارسی
محل انتشار: همایش مهندسی کامپیوتر و توسعه پایدار با محوریت شبکه های کامپیوتری، مدلسازی و امنیت سیستم ها
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,308
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CESD01_235
تاریخ نمایه سازی: 25 اسفند 1392
چکیده مقاله:
با توجه به اینکه سازمان دهی اطلاعات آنلاین در قالب دسته بندی مستندات زبان طبیعی در دسته هایی که قبلا بر اساس محتوایشان دستته بندی شده اند یکی از روش های مهم مدیریت اطلاعات محسوب می شوند و با توجه به اقداماتی که در این زمینه برای زبان های دیگر انجام گرفته است، نیاز به طبقه بندی متون فارسی و اهمیت آن به خوبی احساس می شود. روش ها و الگوریتم های متفاوتی برای دسته بندی متن بکار برده شده است، که این روش ها در دقت و محاسبات متفاوت می باشند با توجه به فعالیت های محدودی که در زمینه دسته بندی متون فارسی انجام شده است، در این مقاله به کاوشی بر روی دو روش کلاسه بندی مبتنی بر درخت تصمیم گیی طبقه بندی از نزدیکترین همسایه و مکانیزم عملکرد آنها برای کلاسه بندی اسناد موجود بر روی متون فارسی پرداخته می شود. طبق مطالعات انجام شده روش K تا همسایه نزدیک در عمل کارایی خوبی دارد. مشکل آن اینست که در طی دسته بندی محاسبات زیادی لازم است. الگوریتم های درخت های تصمیم گیری سریع و همچنین مقیاس پذیر هم در متغیرها و هم سایز مجموعه آموزش هستند. یکی از مشکلات درختسهای تصمیم گیری برای متن کاوی اینست که تنها به تعداد کمی از لغت ها وابسته است.
کلیدواژه ها:
نویسندگان
ندا صادقیان
دانشگاه آزاد اسلامی واحد علوم و تحقیقات گروه کامپیوتر، یزد، ایران
محمدجواد کارگر
استادیار دانشگاه آزاد اسلامی واحد میبد، گروه کامپیوتر، میبد، ایران
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 :