ماریه یوسفی - کارشناسی ارشد مهندسی نرم افزار، دانشگاه آزاد اسلامی، واحد سنندج،
عبدالباقی قادرزاده - دکتری تخصصی فن آوری اطلاعات، استادیار دانشگاه آزاد اسلامی، واحد سنندج،

تشخیص جنسیت نویسنده متن در اغلب کاربردها نظیر شبکه های اجتماعی، ایمیل های دریافتی، صفحات وب و غیره یک موضوع سخت و چالش برانگیز است. تشخیص جنسیت نویسنده در اینترنت دارای کاربردهای زیادی در زمینه اطلاعات، بازاریابی و اعتبارسنجی افراد است. روش های کشف دانش مانند داده کاوی و یادگیری ماشین نظیر شبکه عصبی مصنوعی می توانند الگوی پنهان متون آنلاین را برای تشخیص نویسنده آشکار نمایند اما خطای خروجی مدل ارایه شده می تواند قابل توجه باشد. در این مقاله برای تشخیص جنسیت نویسنده متن از تکنیک شبکه مصنوعی چند لایه در کنار مفاهیم الگوریتم های فرا ابتکاری استفاده شده تا خطای خروجی شبکه عصبی مصنوعی در تشخیص هویت واقعی نویسنده متن کمینه شود. در روش پیشنهادی از الگوریتم بهینه سازی ملخ برای کاهش دادن خطای مدل پیشنهادی استفاده شده و انتخاب وزن و بایس شبکه عصبی مصنوعی برای کاهش خطا توسط الگوریتم بهینه سازی ملخ انجام شده است. نتایج تحلیل و پیاده سازی بر روی مجموعه داده مرتبط با تشخیص جنسیت متون آنلاین نشان می دهد خطای روش پیشنهادی نسبت به شبکه عصبی مصنوعی، ماشین بردار پشتیبان و درخت تصمیم گیری در تشخیص هویت نویسنده متن کمتر است.

جنسیت نویسنده متن، داده کاوی، فرا ابتکاری، شبکه عصبی، الگوریتم بهینه سازی ملخ