بررسی اثر بهبود بردار ویژگی در شناسایی اخبار سیاسی به روز با استفاده از فارسی نت

پیش فرض رایج در روش های دسته بندی متن این است که توزیع ویژگی ها در متون آموزشی و آزمایشی یکسان است. در بسیاری از کاربردها مانند دسته بندی متون خبری به مرور زمان با ورود اخبار به روز ،کلمات به کار رفته در متون تغییر می کنند . بسیاری این کلمات ،مترادف ویژگی های قبلی هستند ولی استفاده از آن ها تا دوره خاصی از زمان رواج چندانی نداشته.این مسئله موجب تغییر توزیع کلمات در داده های آموزشی در طول زمان و کاهش عملکرد دسته بندها می شود. در این تحقیق نشان داده شده است که دامنه سیاسی پویاترین دامنه خبری است. سپس به استخراج کلمات مترادف با ویژگی های قدیمی پرداخته شده است. بدین منظور از فارسی نت به عنوان منبعب برای استخراج کلمات مترادف و از وب به عنوان یک پیکره به روز استفاده و در نهایت حضور این کلمات در مدل کیسه ای از کلمات شبیه سازی می شود. نتایج حاصل نشان دهنده بهبود قابل توجه روش پیشنهاد ی در مقایسه با روش پایه است.

کلیدواژه ها:

دسته بندی خودکار متون ، فارسی نت ، بهبود بردار ویژگی ، شناسایی اخبار سیاسی به روز