دوره 3، شماره 6، 1402، صفحات 24 - 37

نویسندگان : حمیدرضا لطفی* ¹ ، محمدعلی جوادزاده ²

چکیده :
با توجه به افزایش روزافزون داده، حجم داده‌های متنی نیز با سرعت بالایی در حال رشد است. استخراج اطلاعات از این داده‌های متنی یکی از ضرورت‌های دنیای مبتنی بر اطلاعات امروزی است. دسته‌بندی متن یکی روش‌های دست‌یابی به اطلاعات این داده‌های حجیم است. در این تحقیق با استفاده از یک مجموعه‌داده‌ استاندارد اخبار فارسی که شامل پنج ویژگی در بیش از 86هزار خبر بود به بررسی عملکرد الگوریتم رگرسیون لجستیک در دسته‌بندی متن فارسی و همچنین مقایسه آن با سایر کارهای مشابه پرداختیم. با توجه مراحل ساخت یک دسته‌بند متن،روش مورد استفاده در بخش بردارسازی را توضیح داده و همچنین اهمیت بخش پیش‌پردازش و مخصوصا روش مورد استفاده در برچسب‌گذاری و تبدیل برچسب‌های فرعی به اصلی را بیان کردیم. در ارزیابی نهایی، با استفاده از تغییر پارامترهای الگوریتم و همچنین اصلاح برچسب‌ها‌ی اخبار، به نتیجه مطلوب 95% در معیار دقت برای دسته‌بندی متن مجموعه‌داده اخبار فارسی رسیدیم.

کلمات کلیدی :
دسته‌بندی متن، رگرسیون لجستیک، پیش‌پردازش متن، مجموعه‌داده اخبار فارسی