دسته بندی اخبار فارسی با استفاده از تکنیک های هوش مصنوعی

با توجه به رشد روزافزون متون الکترونیکی و از جمله متون خبری، معرفی یک دسته¬بند کارآمد در بسیاری از برنامه¬های کاربردی مرتبط با متون از جمله وبسایت¬های خبری، اهمیت بیشتری یافته است. از مهم¬ترین مسائل دامنه¬ی دسته¬بندی متون، استخراج ویژگی¬های کارا برای دسته¬بندی است. در کارهای گذشته معیارهای ارزش¬گذاری ویژگی متفاوتی ارائه شده و مورد استفاده قرار گرفته¬اند. در این پایان¬نامه نیز یک معیار ارزش¬گذاری ویژگی بنام e-dominace ارائه شده است که با استفاده از آن، کاهش چشمگیری در تعداد ویژگی¬های انتخابی رخ می¬دهد. ویژگی¬های به کار رفته در این دسته¬بندی، ویژگی¬های همرخداد هستند که تابه¬حال در دسته-بندی متون فارسی مورد استفاده قرار نگرفته¬اند. در کارهایی که در زبان انگلیسی با استفاده از ویژگی¬های همرخداد انجام شده¬اند، روش وزن-دهی باینری به کار گرفته شده¬اند. در این پایان¬نامه با توسعه¬ی روش وزن¬دهی tfidf ، یک روش وزن¬دهی برای ویژگی¬های همرخداد به نام co-occur tfidf معرفی و به کار گرفته شده است که دقت بهتری را در مقایسه با وزن¬دهی باینری نشان می¬دهد. ویژگی¬های توسعه¬گر نیز برای کم کردن اثر همپوشانی کلاس¬ها و توسعه¬ی متون، در این تحقیق به کار گرفته شده¬اند. نتایج آزمایشات، نشان¬دهنده¬ی بهبود قابل توجهی در کارایی و دقت الگوریتم دسته¬بندی با بکارگیری معیار e-dominance و استفاده از ویژگی¬های همرخداد با روش وزن¬دهی co-occur tfidf است.