انتخاب ویژگی مبتنی بر بستهبندی وزندار برای طبقهبندی دادههای متنی

دادههای متنی در دنیای دیجیتال انواع مختلفی دارند که از بین آنها میتوان به ایمیلها، توییتها و نظرات کاربران دروب سایت های مختلف اشاره کرد. این دادهها برای مقاصد مختلف مانند اسپم فیلترینگ، تعیین میزانمحبوبیت یک محصول از نظرکاربران، تشخیص احساسات اجتماعی در رابطه با یک موضوع خاص و... طبقهبندی میشوند. الگوریتمهای دادهکاوی معمولا برای دادههای عددی مورد استفاده هستند از اینرو اغلب دادههای متنی با روشهای پردازش زبان طبیعی به بردارهای عددی تبدیلمیشوند. معمولا این دادهها پس از تبدیل ابعاد بزرگی دارند و بسیاری از ویژگیها آنها برای طبقهبندی مضر یا بیفایده است. در این مقاله یک روش برای انتخاب ویژگیهای موثر و حذف ویژگیهای مضر بردارهای متنی مبتنی بر بستهبندی وزندار معرفی می شود. نتایج نشان میدهند که روش پیشنهادی علاوه بر کاهش ابعاد به شکل مطلوب، دقت طبقهبندی را نیز افزایش میدهد

کلیدواژه ها:

دادهکاوی ، طبقهبندی دادههای متنی ، انتخاب ویژگی ، بستهبندی وزندار