روش جدید وزن دهی ویژگی مبتنی بر اطلاعات کلاس :TFCRF در حوزه طبقه بندی مستندات

سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,435

فایل این مقاله در 6 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:

ACCSI12_265

تاریخ نمایه سازی: 23 دی 1386

چکیده مقاله:

وزن دهی ویژگی به عنوان یکی از تکنیک های پیش پردازش در حوزه طبقه بندی مستندات ، نقش بسیار مهمی در دستیابی به شاخص بندی با کیفیت بالا و در نتیجه دستیابی به طبقه بندی کننده خوب مستندات ایفا می کند. در این مقاله یک روش جدید برای وزن دهی ویژگی به نامTFCRF خاص حوزه طبقه بندی مسستندات ارائه می شود که در آن برای وزن دهی ویژگی ها علاوه بر توجه به چگونگی توزیع آنها در مستندات مختلف و مستن د ات کل م جموعه به چگونگی توزیع آنها در طبقات مختلف نیز توجه شده اس ت . نتایج شبیه سازی نشان دهنده بهبود قابل توجهی در کارایی الگوریتم طبقه بندی کنندهSVM با بکارگیری روش وزن دهی ویژگی ارائه شده جدیدTFCRF در مقایسه با سایر رو ش های متداول وزن دهی ویژگی پیاد ه سازی شده نظیر روش های مبتنی ب ر ،TF روش های مبتنی بر،IDF روش های ترکیبی TFIDF و روش های خاص طبقه بندی بر روی مجموعه مستندات inex می باشد.

نویسندگان

مینا ملکی

دانشجوی کارشناسی ارشد دانشگاه صنعتی امیرکبیر، دانشکده مهندسی کامپی

احمد عبدالله زاده بارفروش

دانشیار دانشگاه صنعتی امیرکبیر، دانشکده مهندسی کامپیوتر و فناوری ار

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 :
  • دانشگاه شهید بهشتی، دانشکده مهندسی برق و کامپیوتر، تهران، ایران، ...
  • Apte, C., Damerau, F., Weiss, S., *Text Mining with Decision ...
  • Creecy, R.M. et al., *Trading MIPS and Memory for Knowledge ...
  • Yang, Y., Chute, C.G., ،0An Examp le-Based Mapping Method for ...
  • Koller, D., Sahami, M., ...
  • documents using very few words', In the 14th International Conference ...
  • Wiener, E.D., A Neural Network Approach to Topic Spotting in ...
  • Joachims, T., Text Categoriza tion with Support Vector Machines: Learning ...
  • JZhang, J. and Nguyen, T.N., 00A New Terr Significant Weighting ...
  • Leopold, E. and Kindermann, J., 0Text Ca tegorization with Support ...
  • Yang, Y. and Liu, X., 00A Re-Exam ination of Text ...
  • Salton, G., Yang, C.S., 04On the Specification of Term Values ...
  • Boger, Z., Kuflik, T., and Shoval, P.., 0Automuatic Keyword Identification ...
  • Debole, F., and Sebastiani, F., *Supervised termn weighting for automated ...
  • Luhn, H.P, _ Statistical Approach to the Mechanized Encoding and ...
  • Sparck Jones, K. *Indexing Term Weighting', Information Storage and Retrieval, ...
  • Salton, G., Allan, J.. and Singhal, A., ،0Automatic Text Decomposition ...
  • Lan, M., Sung, S.Y., Low, H.B., Tan, C.L., "A Comparative ...
  • INitiative for the Evaluation of XML Retrieval (INEX), ...
  • نمایش کامل مراجع