• بهبود الگوریتم بهینه سازی کلونی مورچه با الگوریتم k نزدیک ترین همسایه برای انتخاب ویژگی دردسته بندی اسناد متنی

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1396/11/30
    • تاریخ انتشار در تی پی بین: 1396/11/30
    • تعداد بازدید: 396
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -

    امروزه اطلاعات در قالب های متفاوت بصورت مفید و غیر مفید روز به روز با سرعت بیشتر در حال تولید می باشند. دسته بندی این اسناد با وجود داده ها و اطلاعات فراوان و ویژگی های مختلف بسیار مشکل و وقت گیر می باشد. این ویژگی ها می توانند شامل ویژگی های نامرتبط و نویز باشند که صحت و دقت دسته بندی اسناد را پایین می آورند .پس باید به وسیله ابزاری موثر بتوانیم اطلاعات و داده ها را آنالیز کرده و ویژگی های موثری از آن ها استخراج کرده تا بتوانیم اطلاعات را به شکل مطلوب و مفیدی دسته بندی نماییم. برای انتخاب ویژگی ها از الگوریتم فرا ابتکاری بهینه سازی کلونی مورچه استفاده شده است که این الگوریتم دارای دقت و صحت و دوباره خوانی خوبی در انتخاب ویژگی و دسته بندی متون است ولی دارای عملکرد صد درصدی نمی باشد. در این مقاله برای دسته بندی اسناد متنی از k نزدیک ترین همسایه استفاده شده است. یعنی ابتدا با الگوریتم بهینه سازی کلونی مورچه بهترین ویژگی ها تک تک انتخاب می شوند و سپس با دسته بند k نزدیک ترین همسایه دسته بندی اسناد انجام می گیرد. از مجموعه داده های 21578-reuters و webkb و cade12 برای ارزیابی روش پیشنهادی استفاده شده است. با توجه به نتیجه حاصل شده میزان دقت دسته بندی، بطور قابل ملاحظه ای افزایش یافته و کارایی دسته ها نیز به میزان قابل توجهی بهبود یافته است.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها