نخستین همایش ملی مهندسی کامپیوتر، علوم کامپیوتر و فناوری اطلاعات، دسته بندی صفحات متنی بزرگ با استفاده از درخت پوشای کمینه

اوتوماتای یادگیر، ماشینی است که می تواند تعدادی متناهی عمل را انجام دهد. که هر عمل انتخاب شده توسط یک محیط احتمالی ارزیابی می شود و نتیجه ارزیابی در قالب سیگنالی مثبت یا منفی به اتوماتا داده می شود و اوتوماتا از این پاسخ در انتخاب عمل بعدی تأثیر می گیرد. هدف نهایی این است که اتوماتا یاد بگیرد تا از بین اعمال خود، بهترین عمل را انتخاب کند. بهترین عمل، عملی است که احتمال دریافت پاداش از محیط را به حداکثر برساند. از اتوماتا برای ساختن درخت پوشای کمینه جهت دسته بندی استفاده می کنیم. با هدف یافتن یک زیر گراف از گراف غیر جهت دار و وزن دار به که حداقل هزینه را تأمین کند. و بتواند توازنی بین هزینه ساختن درخت، زمان اجرا و فضا حافظه برقرار کند. از میان روش های موجود یادگیری تقویتی به طور عام و اتوماتای یادگیر به طور خاص در حل این مسائل نتایج بهتری نسبت به سایر روش های اکتشافی دارد. از طرف دیگر دسته بندی، یک مسأله اساسی در تشخیص خطا، تشخیص الگو و پیش بینی است. طراحی دسته بندی کننده های دقیق از داده های از پیش دسته بندی شده یک موضوع مهم در حوزه یادگیری ماشین و داده کاوی است. نیز یکی از روش های مطرح در دسته بندی می باشد. از این رو قصد داریم ابتدا از اتوماتای یادگیر برای آموزش درخت پوشای کمینه استفاده کنیم و سپس درخت حاصل را برای دسته بندی صفحات وب بکار ببریم.

کلیدواژه ها:

درخت پوشای کمینه ، اتوماتای یادگیر ، دسته بندی صفحات وب ، داده های بزرگ