پيش بيني شكلك متناسب با متن با استفاده از روش Bagging

NA

امروزه شكلكها زبان مشترك در بين ملتهاي مختلف با زبان و گويشهاي متفاوت است. انتخاب خودكار يك شكلك متناسب با متن يكي از قابليتهاي مورد انتظار در شبكههاي اجتماعي و سيستمهاي ارتباط جمعي در فضاي مجازي است. يادگيري ماشين و پردازش زبان طبيعي به عنوان دو روش كارآمد در پيش بيني و انتساب يك شكلك به يك متن داراي دقت بالاتري نسبت به ساير الگوريتمها و روشهاي اكتشافي ديگر هستند. هدف اين مقاله ارزيابي ميزان دقت و كارآمدي الگوريتمهاي تركيبي يادگيري ماشين نسبت به الگوريتمهاي طبقهبندي در مساله انتساب خودكار شكلك متناسب به متن انگليسي است. به اين منظور، ابتدا دقت تعدادي از الگوريتمهاي طبقهبندي به صورت مستقل ارزيابي و سپس با استفاده از روش تركيبي Bagging، دقت مدل تركيبي حاصل از اين الگوريتمها محاسبه شد. ارزيابي نشان داد كه مدل تركيبي داراي دقت بيشتر و خطاي كمتري نسبت به الگوريتم ماشين بردار پشتيبان كه در بين الگوريتمهاي طبقهبندي دقت بالاتري داشت، است.

NA