ارائه یک روش جدید برای بهبود دسته بندی داده های متنی چندبرچسبی بااستفاده ازخوشه بندی فازی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,313

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF01_587

تاریخ نمایه سازی: 8 آذر 1394

چکیده مقاله:

برای استخراج دانش ازاطلاعات فزاینده موجود دراینترنت لازم است تاابتدا این اطلاعات طبقه بندی گردد طبقه بندی اطلاعات یک شاخه تحقیقاتی بسیارمهم ازداده کاوی داده های متنی که بخش اعظم اطلاعات رادربرمیگیرد است اما طبقه بندی اطلاعات دارای مشکلات ذاتی مثل ابعادبزرگ و پیچیده است این مشکلات ناشی ازمحدوده وسیع و تعدادزیاد مجموعه کلات زبان طبیعی یاتعلق یک یا چندواژه دریک متن به بیش ازچنددسته درآن واحداست هرروش طبقه بندی که درآن موارد فوق لحاظ نشود نتیجه بهینه را حاصل نخواهد کرد دراین مقاله درمورد روشی بحث خواهد شد که درآن ازروش خوشه بندی فازی برای مدیریت ابعادوسیع اطلاعات استفاده میشود و ازاطلاعات همبستگی بین طبقات برای حل مشکل طبقه بندی چندگانه و به عنوان یک عملیات پس پردازش کمک گرفته میشود دراین روش ازاطلاعات همبستگی دردوجهت مثبت پاداش و منفی جریمه برای شناخت طبقه بندی چندبرچسبی استفاده میشود این روش برروی دسته ای ازاطلاعات موردازمایش قرارگرفته و نتایج حاصل ازآن نسبت به روشهای قبلی بهتر بوده است

نویسندگان

سعید آقاجانی

دانشجوی هوش مصنوعی دانشگاه صنعتی مالک اشترتهران

مریم حورعلی

استادیار عضو هیئت علمی دانشگاه صنعتی مالک اشترتهران

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 :
  • Juan I. Guerrero, Carlos Leon, Iigo Monedero, Felix Biscarri, Jesus ...
  • Antonio Jimeno Yepes, Rafael Berlanga, Knowledge based word-concept model estimation ...
  • Heng Wang, Junjie Wu, Shi Yuan, Jian Chen, On characterizing ...
  • Ya-nan Cao, Peng Zhang, Jing Guo, Li Guo, Mining Large-scale ...
  • James Cormack, Chinmoy Nath, David Milward, Kalpana Raja, Siddhartha R. ...
  • Sergio Moro, Paulo Cortez, Paulo Rita, Business intelligence in banking: ...
  • Heeyong Noh, Yeongran Jo, Sungjoo Lee, Keyword selection and processing ...
  • Hsin-Chang Yang, Chung-Hong Lee, Han-Wei Hsiao, Incorporating self-organizing map with ...
  • Fouzi Harrag, Text mining approach for knowledge extraction in Sahih ...
  • Gyungmi Jin, Yujin Jeong, Byungun Yoon, Technolo gy-driven roadmaps for ...
  • Dnyanesh G. Rajpathak, An ontology based text mining system for ...
  • Wilco W.M. Fleuren, Wynand Alkema, Application of text mining in ...
  • Sune Plets cher-Frankild, Albert Palleja, Kalliopi Tsafou, Janos X. Binder, ...
  • Hyun Joung No, Yoonjung An, Yongtae Park, A structured approach ...
  • Hussein Hashimi, Alaaeldin Hafez, Hassan Mathkour, Selection criteria for text ...
  • Celia Satiko Ishikiriyama, Diego Miro, Carlos Francisco Simoes Gomes, Text ...
  • Gokhan Akeapnar, How automated feedback through text mining changes plagiaristic ...
  • نمایش کامل مراجع