صفحه محصول - پاورپوینت كشف اطلاعات از مستندات نيمه ‌ساخت يافته XML

پاورپوینت كشف اطلاعات از مستندات نيمه ‌ساخت يافته XML (pptx) 53 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 53 اسلاید

قسمتی از متن PowerPoint (.pptx) :

كشف اطلاعات از مستندات نيمه ‌ساخت يافته XML عناوين اصلي ضرورت انجام پ ژوهش هدف پژوهش طبقه بندي مستندات روش هاي وزن دهي ويژگي روش وزن دهي ويژگي پيشنهادي TFCRF روش وزن دهي ويژگي پيشنهادي LBTF سيستم طبقه بندي كننده مستندات نيمه ساختيافته XML مشخصات بستر آزمايشگاهي پياده سازي شده نتايج ارزيابي‌هاي انجام شده نتيجه گيري ، دستاوردهاي پروژه، پيشنهاد كارهاي آينده ضرورت انجام پ ژوهش مستندات وب ساختيافته ؟ بازيابي+جستجو+ فهم و يادگيري + ارزيابي + استخراج اطلاعات+... کشف خودكار دانش ‌ هاي جديد، الگوها، ارتباطات در مجموعه وسيعي از مستندات خوشه بندي خلاصه سازي ... مستندات نيمه ساختيافته XML كشف خودكار اطلاعات ازمستندات نيمه ساختيافته XML متن كاوي طبقه بندي هدف پژوهش بهبود كارايي طبقه بندي كننده بهبود كشف اطلاعات از مستندات نيمه ساختيافته XML سازماندهي مستندات تشخيص موضوع م ستندات جستجوي ساختيافته و پيدا كردن مستندات در راستاي علايق كاربر شاخص بندي خودكار مستندات در سيستم‌هاي بازيابي اطلاعات مرتب كردن بلادرنگ نامه هاي الكترونيكي يا فايلها در سلسله مراتبي از پوشه ها تشخيص معناي کلمات مبهم ارائه راهكاري به منظور بهبود كارايي طبقه بندي كننده جهت بهبود فرايند كشف اطلاعات از مستندات نيمه ساختيافته XML طبقه بندي مستندات طبقه‌بندي مستندات = انتساب اسناد متني بر اساس محتوي به يك يا چند طبقه از قبل تعيين شده فازهاي طبقه بندي فاز آموزشي  ساخت مدل با استفاده از مستندات آموزشي فار آزمايشي  استفاده از مدل بر روي مستندات آزمايشي ماتريس تصميم گيري مراحل طبقه بندي مستندات پيش پردازش مستندات شاخص بندي مستندات تبديل مستندات به برداري از كلمات تشكيل دهنده انتخاب ويژگي كاهش ابعاد بردار كلمات وزن دهي ويژگي تعيين ميزان اهميت و قدرت كلمات انتخاب شده در متمايز كردن هر مستند از ساير مستندات طبقه بندي مستندات اعمال الگوريتم طبقه بندي بر روي بردار كلمات انتخاب و وزن دهي شده مستندات طبقه بندي كننده هاي بيزين نزديكترين K همسايه (KNN) درخت هاي تصميم گيري شبكه هاي عصبي ماشين هاي بردارهاي پشتيبان (SVM) آستانه يابي تكرار مستندات (DF) بهره اطلاعاتي (IG) قدرت ويژگي (TS) روش روش هاي مبتني بر TF روش هاي مبتني بر IDF راهكار بهبود كارايي طبقه بندي كننده Luhn الگوهاي آماري رخداد كلمات 1960 Humphery سيستم هاي خبره 1986 Biebricher و همكاران درخت هاي تصميم گيري 1988 Creecy و همكاران روش KNN 1992 Hull الگوريتم Rocchio 1994 Lewis و همكاران طبقه بندي كننده بيزين 1994 Yang و Chute روش رگرسيون LLSF 1996 Rumelhart شبكه هاي عصبي 1996 Joachims SVM 1998 ارائه الگوريتم جديد طبقه بندي كننده مستندات بهبود عمليات پيش پردازش راه حل پيشنهادي متن كاوي طبقه بندي مستندات پيش پردازش وزن دهي ويژگي انتخاب ويژگي شاخص بندي خوشه بندي خلاصه سازي پرسش و پاسخ استخراج اطلاعات الگوريتم طبقه بندي بهبود روش وزن دهي ويژگي براي بالابردن كارايي طبقه بندي كننده مستندات نيمه ساختيافته XML روش هاي وزن دهي ويژگي وزن دهي ويژگي k : تعداد ويژگي هاي متمايز در كل مجموعة D w ik : وزن دهي ويژگي t k در مستند d i روش هاي متداول وزن دهي ويژگي روش‌هاي مبتني بر TF تابعي از توزيع ويژگي در هر يك از مستندات روش‌هاي مبتني بر IDF تابعي از توزيع ويژگي در مجموعه مستندات D روش هاي مبتني بر اطلاعات طبقات تابعي از توزيع ويژگي در طبقات اگر روش وزن دهي ويژگي مبتني بر TF نام روش رابطه توضيحات TF #( t k ’ d i ) تعداد تكرار ويژگي t k در مستند d i normTF - logTF - ITF r=1 Sparck k تعداد ويژگي هاي منحصر به فرد در مجموعة D ايده: افزايش وزن دهي ويژگي با افزايش فركانس ويژگي در هر مستند.