شماره ركورد كنفرانس :
4848
عنوان مقاله :
رده بندي متون فارسي با استفاده از يادگيري عميق
عنوان به زبان ديگر :
persian text classification using deep learning
پديدآورندگان :
حاجي پور اميد omid.hajipoor0770@gmail.com دانشگاه صنعتي مالك اشتر; , سديد پور سعيده سادات sadidpur@gmail.com دانشگاه صنعتي مالك اشتر;
كليدواژه :
ردهبندي موضوعي , متن فارسي , متن كاوي , داده كاوي , يادگيري عميق , استخراج ويژگي , شبكه هاي عميق پيچشي , شبكه هاي عميق مكرر.
عنوان كنفرانس :
چهارمين كنفرانس ملي فناوري در مهندسي برق، كامپيوتر
چكيده فارسي :
با رشد سريع و روز افزون اطلاعات، رده بندي مستندات يكي از ابزارهاي كليدي براي سازماندهي و مديريت داده هاي متني به شمار مي آيد كه در كاربردهايي مانند تقسيم بندي اخبار، نامه هاي الكترونيكي و اطلاعات آنلاين مورد استفاده قرار مي گيرد. در واقع رده بندي موضوعي متون، تعيين موضوع يك متن مي باشد. با وجود كارهاي خوب صورت گرفته در زمينه متون فارسي، هنوز برخي از چالش ها به صورت حل نشده باقي مانده اند. از جمله اين چالش ها استخراج ويژگي از متون براي رده بندي آن ها مي باشد. در اين مقاله روشي پيشنهاد شده است كه با استفاده از شبكه هاي عصبي پيچشي و مكرر، ويژگي‌هاي متن را استخراج كرده و با استفاده از شبكه هاي تماماً متصل، هر متن رده بندي مي شود. روش پيشنهادي در مقايسه با ساير روش هاي رده بندي براي زبان فارسي داراي نتايج بهتري مي باشد. اكثر روش هاي موجود در زبان فارسي دقتي حدود 90% را دارند، اين در حالي است كه روش پيشنهادي از دقت بالاي 94% برخوردار است.
