الگوریتمی جدید برای طبقه‌بندی مستندات فارسی، مبتنی‌بر وزن‌دهی به ویژگی‌ها و فایل‌ها

الگوریتمی جدید برای طبقه‌بندی مستندات فارسی، مبتنی‌بر وزن‌دهی به ویژگی‌ها و فایل‌ها

محبوبه ضیائی1 مریم محمدی2

1) آموزشکده فنی و حرفه ای سماء، دانشگاه آزاد اسلامی، واحد کازرون، کازرون، ایران
2) آموزشکده فنی و حرفه ای سماء، دانشگاه آزاد اسلامی، واحد کازرون، کازرون، ایران

کد IOI مقاله : XYCZ-AAKFG
محل انتشار : کنفرانس بین المللی مهندسی و علوم کاربردی(iceasconf.com)
چکیده :
    با توجه به حجم روز‌افزون اطلاعات در دنیای کنونی، نیاز به ابزارهای قدرتمند جدید برای تبدیل داده به دانش مفید افزایش یافته‌است. یکی از روش‌ها‌ی حیاتی کنترل و مدیریت داده‌ها، طبقه‌بندی متون می‌باشد. در این مقاله الگوریتمی برای طبقه‌بندی مستندات فارسی ارائه شده‌است، که دارای قابلیت‌هایی همچون کنترل کیفیت دسته‌بندی ایجاد شده بر‌اساس بازخورد معیار ارزیابی F؛ وزن‌دهی به ویژگی‌ها با روش وزن‌دهی مبتنی ‌بر طبقات و همچنین اختصاص دادن وزن‌ به هر فایل در تمامی طبقات و انتقال فایل به طبقه‌ای که وزن بیشتری در آن طبقه دارد؛ می‌باشد. این روند باعث می‌شود حذف کلمات زائد به دلیل بهبود در کلاس‌ها با کیفیت بالا‌تری انجام شود. در‌نهایت الگوریتم را مورد ارزیابی قرار می‌دهیم؛ به این صورت که ابتدا تاثیر طبقه‌بندی تصادفی اولیه‌ی متفاوت، سپس تاثیر روش‌های مختلف وزن‌دهیTFIDF،TFRF،TFCRF و روش وزن‌دهی پیشنهادی را بر روی خروجی الگوریتم طبقه‌بندی پیشنهادی مورد بررسی قرار می‌دهیم. نتایج نشان می‌دهد، تمامی موارد ذکر شده به صورت تجمعی باعث افزایش کیفیت و دقت در طبقه‌بندی می‌شود.

کلمات کلیدی : متن‌کاوی طبقه‌بندی متون فارسی وزن دهی ویژگیها بازیابی مستندات