مقاله مروری روی مهمترین متدهای متن کاوی موجود وارزیابی آنها

فرمت مقاله : Word

تعداد صفحات : 29

چکیده

    رشد فزاینده پایگاه داده­ها در تقریبا هر ناحیه از فعالیت انسان باعث شده است که نیاز برای ابزارهای قدرتمند جدید برای تغییر دادن داده به دانش مفید افزایش یابد. برای برآوردن این نیاز محققان در ناحیه­های مختلف مانند یادگیری ماشین[1]، شناسایی الگو، آنالیز داده آماری، بصری سازی داده[2]، شبکه­های عصبی، اقتصاد سنجی، بازیابی اطلاعات، استخراج اطلاعات و..... روش­ها و ایده­هایی را کاوش کرده­اند. ذات غیرساخت یافته ی این متون، اعمال همان روشهایی را که ما در مورد پایگاه داده­های غیرمتنی بکار می بریم، غیر ممکن می سازد. بنابراین روش­ها و الگوریتم­های پردازش (پیش پردازش)خاصی برای استخراج الگوهای مفید موردنیاز است. متن کاوی اطلاعات متنی غیرساختیافته را استفاده می­کند و آنرا برای کشف ساختار و معناهای ضمنی پنهان در متن بررسی می­کند. در این مقاله ما به بررسی یکی از جدیدترین زمینه­های مورد تحقیق در داده کاوی، متن کاوی می­پردازیم. در این مقاله روش­های موجود برای پیش پردازش کردن، رده بندی[3]، استخراج اطلاعات[4]، روش­های یافتن روابط شرح داده می­شوند در پایان هر بخش ارزیابی و مقایسه­ای روی روش­های بیان شده در آن بخش صورات می­گیرد و در پایان تعدادی از کاربردهای متن کاوی بیان می­گردند.

[1] Machine learning

[2] Data visualization

[3] classification

[4] Information extraction

متن کاوی متون فارسی در راستای طبقه بندی آن

چکیده
امروزه با افزایش روز افزون حجم اطلاعات متنی، وجود روشهای طبقه بندی متون ضروری به نظر میرسد. همچنین با رشد فزاینده ی منابع متنی فارسی این مهم بیشتر احساس میشود هرچند که هنوز کارهای صورت گرفته مخصوصاً در زمینهی طبقه بندی متون فارسی به گستردگی لاتینی، چینی و غیره نیست. در این مقاله مروری کلی بر روشهای استخراج ویژگی و انواع روشهای طبقه بندی صورت گرفته و در نهایت نتایج حاصل از دو طبقه بند بیزین ساده و ماشین بردار پشتیبان با هم مقایسه میشوند. نتایج حاصل از آزمایشات صورت گرفته حاکی از این است که طبقه بندی کننده ی ماشین بردار پشتیبان از عملکرد بهتری برخوردار است.
واژه های کلیدی طبقه بندی متون، بردار ویژگی، ماشین بردار پشتیبان، متن کاوی.