سال انتشار: ۱۳۸۶

محل انتشار: دهمین کنفرانس دانشجویی مهندسی برق ایران

تعداد صفحات: ۸

نویسنده(ها):

شهلا نعمتی – دانشگاه صنعتی اصفهان، دانشگاه اصفهان
محمداحسان بصیری –

چکیده:

در چند سال اخیرالگوریتمهای زیادی برای مسأله دسته بندی اسناد، پیشنهاد شده است. اغلب کارهای انجام شده بر روی اسنادی به زبان انگلیسی بوده و اخیراً در مورد زبانهایی مثل چینی، عربی و… کارهایی انجام شده است. در این مقاله یک دسته بند اسناد فارسی با استفاده از الگوریتمKNN پیشنهاد شده و دلیل استفاده از این الگوریتم موفقیت زیاد آن در دسته بندی اسناد مشابه در زبان انگلیسی بوده است این دسته بند را بوسیله ۵۴۰ متن فارسی که از روزنامه های آنلاین گرفته شده بود آموزش داده و بر روی ۶۰ متن مشابه آزمایش کردیم. متن ها به ۶ دسته تقسیم شده بودند که در بین این دسته ها، متن های متعلق به دسته های ورزشی، پزشکی و سیاسی بهتر از بقیه دسته بندی شدند. معیار استفاده شده برای سنجش، دقت میکرو و یادآوری میکرو بود که در بهترین حالت برای متن های ورزشی به ۰,۹۲ رسید