بهبود الگوریتم فازی C-Means با الگوریتم ژنتیک برای انتخاب ویژگی ها در دسته بندی اسناد متنی
نویسنده:
چکیده:
افزایش روزافزون مستندات الکترونیکی در وب، لزوم دسته بندی آنان در دسته های مختلف را نشان می دهد. با توجه به حجم و دامنه وسیع اسناد متنی که به طور قابل توجهی از طریق محیط های برخط و سایر منابع قابل دسترسی میباشند، در صورت عدم دسته بندی مناسب، عمل بازیابی و پردازش اسناد متنی دسته بندی نشده با مشکلات زیادی مواجه می گردد. این نیاز منجر به ایجاد روش های نوین برای دسته بندی اطلاعات شده است. دسته بندی، تخصیص اسناد متنی یا ویژگی ها به یک یا چندین دسته است، به طوری که اسناد متنی با توجه به موضوعات یا میزان مشابهت ویژگیها میتوانند دسته بندی گردند. در ارائه روش های دستهبندی، استخراج و انتخاب ویژگی های کلیدی اسناد متنی از اهمیت بالایی برخودار میباشد. در این مقاله روشی براساس بهبود الگوریتم فازی C-Means با الگوریتم ژنتیک برای انتخاب ویژگی ها در دسته بندی اسناد متنی ارائه شده است که در روش پیشنهادی انتخاب ویژگی های کلیدی متون از طریق الگوریتم فازی C-Means انجام میشود و این ویژگیها به الگوریتم ژنتیک جهت بهبود در دسته بندی ارسال میگردند. روش پیشنهادی بر روی سه مجموعه دادهی مختلف Reuters21578, WEBKB, CADE 12 و بر اساس معیارهای ارزیابی مختلفی مورد آزمایش و ارزیابی قرار گرفته است. مقایسهی نتایج روش پیشنهادی با سایر روش های مطرح در دسته بندی متون نشان میدهد که روش پیشنهادی عملکرد بهینه ای را در دسته بندی اسناد متنی دارد.
کلیدواژگان:
زبان:
فارسی
در صفحه:
6
لینک کوتاه:
magiran.com/p2007518
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!