بهبود کارایی دسته بندی متن بر مبنای ویژگیها و متون دسته بندی شده مشابه

در یادگیری ماشین، داده های آموزشی نقش مهمی را در تعیین کارایی الگوریتم یادگیری ایفا می کنند. تعداد این داده های آموزشی در طول زمان افزایش می یابد وداده های جدیدی از راه می رسد. این داده های جدید، ممکن است دید جدیدی از داده های قبلی را ارائه دهند یا توزیع آماری داده ها را تغییر دهند. از این رو، فهمیدن اهمیت داده های جدید و اجازه به این داده ها، برای نقش داشتن در آموزش، به منظور افزایش کارایی سیستم یادگیر، کاری بس زیرکانه است. آموزش دوباره ی سیستم یادگیر با همه ی داده ها، و کنار گذاشتن همه ی تجربه ی یادگیری گذشته، یکی از راه حل ها برای این مسئله است ولی این روش دارای نقص هایی می باشد ازجمله اینکه این روش نا کارآمد است و همچنین، این روش قادر به نگه داری دانش قبلی نمی باشد. در این پایان نامه، ما چهار روش ارائه نمودیم. در روش اول، ما سیستم یادگیری افزایشی برای دسته بندی متن ارائه نمودیم، که در این سیستم، برای هر دسته ی آموزشی از یک دسته بند ماشین بردار پشتیبان برای یادگیری آن استفاده نمودیم و سپس، برای دسته بند بعدی علاوه بر دسته ی آموزشی آن دسته، از بردارهای پشتیبان دسته های آموزشی قبلی به اضافه ی داده های غلط دسته بندی شده ی مجموعه های تصدیق دسته های آموزشی قبلی استفاده نمودیم. در روش دوم برای اینکه بتوانیم میزان معیارهای ارزیابی کارایی را افزایش و خطای دسته بندی را کاهش دهیم به جای استفاده از تنها یک دسته بند برای هر دسته ی آموزشی، از چند دسته بند برای هر دسته ی آموزشی استفاده نمودیم و همچنین، به جای در نظر گرفتن وزن یکسان به هر دسته بند برای تاثیر در ترکیب خروجی ها، از روش اول پایان نامه ی آقای علی دانش استفاده نمودیم که ایشان به ازای ترکیب هر دسته و دسته بند از وزن مستقلی استفاده نموده اند. در روش سوم، به منظور کامل کردن روش قبلی، برای هر دسته ی آموزشی از میان مجموعه ی دسته بندها، چندین دسته بند قابل قبول را انتخاب نمودیم هدف از ارائه این روش کنارگذاشتن دسته بندهای ضعیف و جایگزین کردن آنها با دسته بندهای قویی بود که با داده های آموزشی بیشتری آموزش دیده بودند بود که این امر اشاره به قابلیت خود تطبیقی سیستم پیشنهادی دارد. در روش چهارم با بسط روش سوم در هنگام گرفتن خروجی نهایی، نودهای ایجاد کننده ی نویز را حذف و نودهایی، برای افزایش کارایی دسته بندی اضافه نمودیم. عملکرد روش های پیشنهادی با پنج روش دیگر مقایسه شد. نتایج آزمایشات، کارایی روش های پیشنهادی و بهبود کارایی دسته بندی متن را نشان می دهد.