عنوان مقاله :
خوشه بندي اسناد متني به كمك الگوريتم فراابتكاري ژنتيك
عنوان به زبان ديگر :
Clustering of text documents using genetic metaheuristic algorithm
پديد آورندگان :
قليزاده، آزاده موسسه آموزش عالي شفق - گروه مهندسي كامپيوتر، تنكابن , اصغري، علي موسسه آموزش عالي شفق - گروه مهندسي كامپيوتر، تنكابن , ازگومي، حسين دانشگاه آزاد اسلامي واحد رشت - گروه مهندسي كامپيوتر رشت، ايران
كليدواژه :
داده كاوي , متن كاوي , اسناد متني , خوشه بندي , الگوريتم ژنتيك
چكيده فارسي :
با رشد فناوري اطلاعات، حجم داده هاي ذخيره شده همواره رو به افزايش است. يكي از اين داده ها اسناد متني ميباشند. به عنوان نمونه روزانه در اينترنت حجم بسيار زيادي از اسناد متني توليد ميگردد. يكي از مسائلي كه در ارتباط با اسناد متني مطرح
است، خوشه بندي آنها ميباشد. منظور از خوشه بندي به نوعي دسته بندي كردن اسناد است، به صورتي كه اسناد مشابه در دسته يكساني قرار بگيرند. با توجه به حجم بالاي دادهها نميتوان از روشهاي سني و متداول براي دستهبندي كردن اسناد متني استفاده
كرد. زيرا حجم دادهها بسيار زياد است و در زمان قابل قبول نميتوان اين مسئله را حل كرد.
در اين مقاله روشي جديد براي مسئله خوشه بندي اسناد متني ارائه شده است. روش پيشنهادي بر پايه تكنيكهاي داده كاوي و الگوريتم فراابتكاري ژنتيك ميباشد. در روش پيشنهادي دسته بندي اسناد به كمك تكنيكهاي داده كاوي و كاهش زمان حل مسئله
به كمك الگوريتم ژنتيك صورت ميگيرد. روش پيشنهادي براي خوشه بندي اسناد را به صورت عملي با ديگر روشهاي مقايسه گرديده است. در مقايسه مشخص شد كه روش پيشنهادي در زمان كمتري مسئله مربوطه را حل ميكند و عملكرد بهتري نسبت به ديگر
روشها دارد.
چكيده لاتين :
With the growth of information technology, the volume of stored data is constantly increasing. One of these data is text documents. For example, daily a large amount of textual documents are produced on the Internet. One of the problems with text documents is their clustering. Clustering is a way of classifying documents so that similar documents are in the same category. Due to the high volume of data, it is not pos. Because the amount of data is too large and this problem cannot be solved in an acceptable time. In this paper, we present a new method for the problem of clustering text documents. The proposed method is based on data mining techniques and genetic metaheuristic algorithm. In the proposed method, documents are classified using data mining techniques and problem solving time is reduced using genetic algorithms. We practically compared the proposed method for document clustering with other methods. In comparison, it was found that the proposed method solves the relevant problem in less time and has a better performance than other methods.
