بهبود یک روش مبتنی برانتخاب ویژگی به منظور دسته بندی متون با الگوریتم های متن کاوی

یکی از مهمترین تکنیک های متنکاوی، دسته بندی متون است. متن کاوی را میتوان به عنوان متدها و الگوریتم هایی از فیلدهای یادگیری ماشین و آماری برای متنها با هدف پیدا کردن الگوهای مفید در نظرگرفت. برای این هدف پیش پردازش کردن متون ضروری است. در بسیاری از روشها، متدهای استخراج اطلاعات، پردازش کردن زبان طبیعی یا برخی پیش پردازشهای ساده برای استخراج داده از متون استفاده می شود. سپس می توان الگوریتم های داده کاوی را بر روی داده های استخراج شده اعمال کرد دسته بندی متون بدین معنی است که اسناد متنی موجود را به چند دسته از قبل تعریف شده که اسناد متعلق به آنها هستند، نسبت دهیم. دادههای ذخیره شده در بیشتر پایگاه داده های متنی، داده های نیمه ساختار یافته هستند چون نه به طور کامل غیرساخت یافته هستند و نه به طور کامل ساختیافته هستند. الگوریتم انتخاب ویژگی فیلتری، جهت کاهش پیچیدگی دسته بندی در قسمت پیش پردازش مورد استفاده قرار گرفته است و در قسمت یادگیری الگوریتم یادگیری بیز ساده، درخت تصمیم و ماشین بردار پشتیبان جهت ارزیابی و بهبود کارایی استفاده نموده ایم .

کلیدواژه ها:

متن کاوی ، داده کاوی ، درخت تصمیم ، بیزساده ، یادگیری ماشین