دسته بندی متون لاتین با روش های انتخاب ویژگی فیلتری، پوششی و الگوریتم های بیزساده

رشد سریع اینترنت و به وجود آمدن صفحات وب متعدد با مطالب و موضوعات گوناگون، نیاز به روش هایی برای دسته بندی هرچه بهتر صفحات وب را فراهم کرده است. به دلیل اینکه حجم عمده صفحات وب را متون تشکیل می دهند ما در این پژوهش به توسعه دسته بندی متون در صفحات وب با برخی از روش های متن کاوی و یادگیری ماشین پرداخته ایم. ما در این پژوهش پس از یک پیش پردازش مناسب بر روی متون در قسمت انتخاب ویژگی یک روش ترکیبی که مبتنی بر ترکیب الگوریتم های فیلتری و پوششی می باشد را استفاده کرده ایم. در مرحله یادگیری نیز از الگوریتم های خانواده بیز ساده استفاده شده است. در طی ارزیابی روش پیشنهادی استفاده از روش شاخص بندی 3 گرم در مرحله پیش پردازش، و روش فیلتری بهره اطلاعاتی و سپس استفاده از روش پوششی با دسته بند MNB در مرحله انتخاب ویژگی، و همچنین استفاده از الگوریتم دسته بندی MNB در مرحله یادگیری بهینه ترین روش در این پژوهش ارزیابی شده است. روش پیشنهادی در مقایسه با کارهای گذشته در این زمینه بهبود بسیار خوبی داشته است.

کلیدواژه ها:

انتخاب ویژگی ، بیز ساده ، دسته بندی ، فیلتری