ارزیابی کارایی مدلهای دسته بندی خودکار متون

دسته بندی خودکار متون به طور کلی به دو بخش اصلی انتخاب ویژگی و الگوریتم یادگیری تقسیم میشود.در ارتباط با تکنیکهای انتخاب ویژگی و الگوریتم های یادگیری، روشهای متنوعی ارائه شده است. هدف در تکنیک های ارائه شده، بالا بردن دقت دسته بندی و رسیدن به کارایی مطلوب میباشد. در این مقاله مهمترین و کاراترین تکنیک های انتخاب ویژگی و نیز الگوریتم هاییادگیری مورد تحلیل و بررسی قرار میگیرند و در نهایت پیشنهاداتی جهت استفاده بهینه تر از این تکنیک ها صورت میگیرد. با توجه به این نکته که هر کدام از روش های ارائه شده در کنار مزایای خود دارای معایبی نیز میباشند، بررسی این تکنیک ها میتواند در ارائه تکنیک های جدید که نقاط ضعف تکنیک های پیشین را پوشش دهد، موثر باشد. همچنین دو مدل جهت مقایسه پیاده سازی می گردد که نتایج نشان می دهد بالاترین دقت مربوط به درخت تصمیم با روش وزن دهی tfidf و n-gram با مقدار 4 بوده و کمترین دقت مربوط به بیز ساده با روش وزن دهی term frequency و n-gram با مقدار 4 می باشد. مشاهده می شود که درخت تابعی در روش وزن دهی tfidf نتیجه بهتری دارد و با افزایش میزان n-gram دقت نیز افزایش می یابد. برخلاف آن در بیز ساده با افزایش n-gram دقت آن کاهش می یابد.

کلیدواژه ها:

انتخاب ویژگی ، الگوریتم یادگیری ، وزندهی ، دسته بندی خودکار متون