دسته بندی متون با تکنیک های انتخاب ویژگی و یادگیری ماشین

اسناد الکترونیکی حجم انبوهی از اطلاعات را در خود جای داده اند، اما برای متن کاوی بسیاری از آنها زائد و اضافی می باشند. از این رو لازم است بعنوان پیش پردازش، ویژگی های مناسب از بین این حجم اطلاعات استخراج شود. برای انتخاب ویژگی روش های بسیاری ارائه شده است. در اینجا ما دو الگوریتم تکاملی بهینه سازی کلونی مورچه ها و ژنتیک را برای انتخاب ویژگی متن مورد مقایسه قرارداده ایم. این الگوریتم ها بر روی مجموعه داده رویترز -21578 شبیه سازی شده اند. نتایج به دست آمده نشان دهنده برتری الگوریتم ژنتیک با استفاده از الگوریتم یادگیری Decision Tree در میانگین دقت برابر %72.35، میانگین فراخوانی برابر %48.53 ، میانگین f1 برابر با %49.54 و با استفاده از الگوریتم یادگیریKNN در میانگین دقت برابر%80.41، میانگین فراخوانی برابر%59.74 و میانگین f1 برابر با %60.33 می باشد. همچنین نمودارهای Macro-f1 و Micro-f1 برای مقایسه الگوریتم های ACO و GA رسم شده است که برتری الگوریتم GA را نشان می دهد.

کلیدواژه ها:

متن کاوی ، انتخاب ویژگی ، الگوریتم ژنتیک ، الگوریتم بهینه سازی کلونی مورچه ها ، دسته بندی متون