توضیحات
در دسته بندی متون بطور معمول از کلمات متن به عنوان خصیصه های آن متن استفاده می شود در نتیجه روشهای دسته بندی متون با تعداد زیادی خصیصه مواجه می باشند به منظور کاهش تعدا د خصیصه ها و انتخاب خصیصه های مرتبط از روشهای متعددی استفاده می شود دراین مقاله به مقایسه روشهای مورد استفاده در دسته بندی متون و معرفی بهترین روش می پردازیم از جمله روشهای موجود در دسته بندی متون می توان به روشهی بیزین ساده KNN Rocchio رگرسیون، درختهای تصمیم گیری ، شبکه های عصبی، SVM، مبتنی بر قاعده و تکاملی اشاره نمود روش SVM یکی از بهترین روشها در دسته بندی متون می باشد دراین روش که یکی از روشهای یادگیری با سرپرستی میباشد اطلاعات را ازفضای حاضر به فضای برداری دیگری عموما با ابعاد بیشتر که در آن الگوریتم های یادگیری خطی قابل کاربرد است نگاشت می کند.
کاری از:نصرالله مقدم چرکری و مهناز زمانیان
اطلاعات فایل :زبان فارسی /8صفحه/حجم:933k
لینک دانلود:روی همین لینک کلیک کنید
In text classification, words are usually considered as the features of the text. Therefore text classifier are about to deal with a large number of features. Different approaches have been proposed to reduce those features. In this paper we compare different methods used in text classification and introduce the best one. Naïve Bayesian, Rocchio, KNN, Regression, Decision tree, Neural networks, SVM, Rule based and Evolutionary methods are among those methods. SVM, which is a supervised learning method, is one of the best methods used in text classification. This method maps the information from the existing space to another vector space with different (usually more) dimensions in which the linear learning algorithms are possible to be applied. This method is computationally complex and its advantage is that it is not dependent to the number of samples in the experimental set and yet it can work well with a few samples and a high number of features.
by:moghadam cherki and zamaniyan
information file:English Persian /8 page / size :933 k
download link:click
نقد و بررسیها
هنوز بررسیای ثبت نشده است.