توضیحات
دانلود مقاله اصلی روش های کلاسبندی چند برچسبی داده های متنی
تعداد صفحات مقاله اصلی: 51 صفحه
عنوان اصلی مقاله: Text Mining for Market Prediction: A Systematic Review
سال انتشار: 2014
انتشارات: Expert Systems with Applications
Impact Factor: 3.768
ISSN: 0957-4174
چکیده:
امروزه حجم قابل توجهي از دانش و آگاهي در مستندات متني قرار مي گيرد و بانکهاي متني به سرعت در حال رشد و گسترش ميباشند دليل اين رشد اين است که حجم رو به افزايش اطلاعات موجود به شکل الکترونيکي مانند نشر الکترونيکي، کتابخانههاي ديجيتال، پست الکترونيکي و وب جهاني قابل توجه ميباشد. اما نکته مهمي که مي بايست در اين زمينه به آن اشاره کرد توجه به اين مطلب است که اکثر اطلاعات موجود نيمه ساختيافته و يا غيرساختيافته هستند و همين امر موجب شده تا نتوان از اين اطلاعات به آساني استفاده کرد. روزانه با اضافه شدن حجم زیادی از دادههای متنی دیجیتال، نیاز به آنالیز این نوع دادهها یکی از مسائلی است که توجه محققان را به خود جلب کرده است. متن کاوی فرآیندی است که با بررسی متون، به کشف دانش از دادههای متنی میپردازد. یکی از کاربردهای متن کاوی طبقه بندی خودکار متن میباشد. بدین معنا که بصورت خودکار تعیین میشود نمونهی متنی جدید ورودی به چه کلاسی تعلق دارد. در این تحقیق، کارایی الگوریتمهای شناخته شدهی داده کاوی از قبیل بیزین، درخت تصمیم و بردار پشتیبان و همچنین روشهای ترکیبی کلاسبندی مختلف و روشهای چندبرچسبی متن را مورد بررسی قرار دادهایم. آزمایشاتی که بر روی مجموعه دادهی استاندارد Reuters 21578 انجام شده است را بیان کردهایم و نتایج بدست آمده از آزمایشات و پارامترهای مقایسه الگوریتمها را نشان دادهایم.
نقد و بررسی ها
هیچ دیدگاهی برای این محصول نوشته نشده است .