بهبود عملکرد دسته بندی متون و اسناد فارسی با استفاده از روش pca و ترکیب الگوریتم های جستجوی تکاملی

با وجود حجم بالای اطلاعات متنی، نیازمند سیستمی کارا جهت دسته بندی خودکار متون داریم. بنابراین، باید دسته بندی را طوری انجام داد که ضمن افزایش دقت، سبب کاهش زمان و هزینه شود. فرایند دسته بندی متون دارای گام‎های پیش پردازش، وزن دهی، کاهش ویژگی و دسته بندی است که برای هر گام روش‎های مختلفی تا کنون ارائه شده است. یکی از گام‎های تعیین کننده در دسته بندی، کاهش ویژگی‎ها است. این موضوع در زبان فارسی به دلیل وجود ویژگی‎های زیاد و تکراری و دارای معانی نزدیک، فرایندی با پیچیدگی قابل ملاحظه‎ای می‎باشد. با توجه به اهمیت این موضوع، ایده اصلی ما بهبود عملکرد از طریق استخراج بهترین ویژگی‎ها از متون فارسی است که برای این منظور به ارائه روشی با استفاده از تجزیه و تحلیل مولفه‎های اصلی (pca)و روش ترکیبی، از دو الگوریتم مطرح جستجوی تکاملی genetic و pso پرداختیم، بدین ترتیب می‎توان از مزیت جستجوی سراسری در genetic و و قابلیت جستجوی موضعی در pso جهت کاهش ویژگی‎های استخراج شده با هم تجمیع کرد و برای افزایش دقت و کاهش زمان محاسباتی به کار برد. نتایج حاصل از به کارگیری روش پیشنهادی نشان دهنده بهبود عملکرد و کاهش مدت زمان قابل توجهی در تست، بر روی متون فارسی با روش دسته بندی نزدیک‎‎‎ترین همسایه می‎باشد. همچنین در مقایسه با روش‎های مشابه، روش ارائه شده عملکرد بهتری از خود نشان داده است. این موضوع در زبان فارسی به دلیل وجود ویژگی‎های زیاد و تکراری و دارای معانی نزدیک، فرایندی با پیچیدگی قابل ملاحظه‎ای می‎باشد. با توجه به اهمیت این موضوع، ایده اصلی ما بهبود عملکرد از طریق استخراج بهترین ویژگی‎ها از متون فارسی است که برای این منظور به ارائه روشی با استفاده از تجزیه و تحلیل مولفه‎های اصلی (pca)و روش ترکیبی، از دو الگوریتم مطرح جستجوی تکاملی genetic و pso پرداختیم، بدین ترتیب می‎توان از مزیت جستجوی سراسری در genetic و و قابلیت جستجوی موضعی در pso جهت کاهش ویژگی‎های استخراج شده با هم تجمیع کرد و برای افزایش دقت و کاهش زمان محاسباتی به کار برد. نتایج حاصل از به کارگیری روش پیشنهادی نشان دهنده بهبود عملکرد و کاهش مدت زمان قابل توجهی در تست، بر روی متون فارسی با روش دسته بندی نزدیک‎‎‎‎ترین همسایه می‎باشد. همچنین در مقایسه با روش‎های مشابه، روش ارائه شده عملکرد بهتری از خود نشان داده است.