طبقه بندی خودکار متون با استفاده از خوشه بندی فازی بهبود یافته و استخراج ویژگی های مبتنی بر الگوریتم ژنتیک

با ورود به عصر اطلاع رسانی دیجیتال و رشد سریع اینترنت، رفته رفته اطلاعات از فرم کاغذی به الکترونیکی تبدیل شدند. این امر برای ما امکان جستجوی کتاب ها و اخبار را به صورت الکترونیکی فراهم می کند. بنابراین نیاز به سیستم هایی برای بازیابی اطلاعات احساس می شود. به این منظور سیستمی جهت طبقه بندی متون با استفاده از خوشه بندی فازی با بردار ویژگی وزن دارپیشنهاد می-شود. در روش پیشنهادی ابتدا در مرحله ی پیش پردازش، برای کاهش ابعاد از الگوریتم ژنتیک و سپس TF-IDF (Term Frequency - Inverse Document Frequency) استفاده شده و ویژگی هایی با قدرت تفکیک بالا انتخاب می شوند. سپس ماتریس وزنی متناسب با واریانس هر ویژگی، محاسبه شده و همگام با پیشرفت الگوریتم خوشه بندی تغییر می کند. بنابراین ویژگی های با واریانس بیشتر، تاثیر بیشتری در فرایند خوشه بندی خواهند داشت. در روش خوشه بندی، فاصله اقلیدسی به کار رفته، با این تفاوت که برای ابعاد ارزش یکسانی در نظر گرفته نمی شود. در نهایت کارایی سیستم پیشنهادی در خوشه بندی گروه های خبری مجموعه داده رویترز بررسی شده و نتایج نشان دهنده ی کارایی بالاتر این روش نسبت به خوشه بندی معمولی از نظر چند معیار ارزیابی معروف خوشه-بندی، است.

کلیدواژه ها:

خوشه بندی متون ، بردار ویژگی وزن دار ، الگوریتم ژنتیک ، TF – IDF ، کاهش بعد