ارزیابی و مقایسه مناسب ترین الگوریتم های متن کاوی :مطالعه موردی مجموعه داده روزنامه همشهری

بسیاری از اطلاعات و منابع از طریق اینترنت میسر شده است. دسترسی به این اطلاعات حجیم کاربسیارمشکل و هزینه بر است.گاهی این اطلاعات نامرتبط به خواسته های ما هستند. روش هایی درخصوص متن کاوی بوجود آمده اند که می توانند کار را برای ما آسانتر کنند ولی تاکنون روش های انجام شده بر روی منابع لاتین بوده اند. امروزه با افزایش روز افزون حجم اطلاعات متنی، وجود روش های طبقه بندی متون ضروری به نظر می رسد. همچنین با رشد فزاینده ی منابع متنی فارسی این مهم بیشتر احساس می شود. در این تحقیق از روش های متن کاوی برای دسته بندی متون فارسی استفاده نموده ایم. لذا با ترکیب الگوریتم ماشین بردار پیشتیبان و الگوریتم بهینه سازی ازدحام ذرات کارایی دسته بندی را در مجموعه داده همشهری با 07 درصد آموزش و 30 درصد آزمایش مورد بررسی قراردادیم. که در بهترین وضعیت نتایح کارایی به 94.74 درصد و خطای 5.26درصد رسیده است. که نسبت به تحقیقات مشابه از دقت قابل توجهی برخوردار می باشد.

کلیدواژه ها:

متن کاوی ، درخت تصمیم ، بیز ، ماشین بردار پشتیبان ، بگینگ ، چاید