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.

چکیده ندارد.