ارزیابی و ترکیب الگوریتم های یادگیری ماشین و تکنیک های دسته بندی متن کاوی جهت بهبود طبقه بندی متون فارسی

ارزیابی و ترکیب الگوریتم های یادگیری ماشین و تکنیک های دسته بندی متن کاوی جهت بهبود طبقه بندی متون فارسی

آکادمی داده

۱۳۹۷/۰۴/۲۹


  • 103 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

 

در این پژوهش مقوله داده کاوی و تکنیک های آن مورد بررسی قرار گرفت . با توجه به حساسیت متن کاوی در اسناد تجاری و سازمانی و همچنین نیاز مبرم این امر در صنعت ، کاربرد داده کاوی در زمینه کاهش ویژگی در داده های بزرگ مورد بررسی قرار گرفت . 
استفاده از متن کاوی در تجزیه و تحلیل داده های حجیم امکان خوبی جهت بررسی روابط بین متغیرها می باشد. درخت تصمیم گیری و شبکه بیزین و ماشین بردار پشتیبان با وجود سادگی نتایج دقت قابل قبولی در داده کاوی داده های جمع آوری شده در رابطه با یکاهش و ژگ ی ارائه داد. وجود داده های مناسب ، پیش پردازش مناسب و اعمال روش داده کاوی مناسب نتایج خوبی را در مورد کاهش ویژگی ارائه می دهد .
 

 

 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر به پژوهش در حوزه متن کاوی علاقه مند هستید توصیه می شود حتما مجموعه بی نظیر هفتاد و چهار مقاله فارسی در زمینه متن کاوی  و مجموعه های مشابه آن را تهیه بفرمایید.

اگر در زمینه متن کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.  

 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.