سعید آقاجانی - دانشجوی هوش مصنوعی دانشگاه صنعتی مالک اشترتهران
مریم حورعلی - استادیار عضو هیئت علمی دانشگاه صنعتی مالک اشترتهران

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

متن کاوی ، داده کاوی ، طبقه بندی ، خوشه بندی فازی ، دسته بندی متن ، یادگیری نیمه نظارتی