مجله علوم رایانشی

چکیده مقاله بهبود الگوریتم فازی C-Means با الگوریتم ژنتیک برای انتخاب ویژگی‎ها در دسته‏ بندی اسناد متنی

افزایش روزافزون مستندات الکترونیکی در وب، لزوم دسته‌بندی آنان در دسته‌های مختلف را نشان می‌دهد. با توجه به حجم و دامنه وسیع اسناد متنی که به‌طور قابل توجهی از طریق محیط‌هاي برخط و سایر منابع قابل دسترسی می‎باشند، در صورت عدم دسته‌بندی مناسب، عمل بازیابی و پردازش اسناد متنی دسته‌بندی نشده با مشکلات زیادي مواجه می‌گردد. این نیاز منجر به ایجاد روش‌های نوین برای دسته‌بندی اطلاعات شده است. دسته‌بندی، تخصیص اسناد متنی یا ویژگی‌ها به یک یا چندین دسته است، به‌طوری که اسناد متنی با توجه به موضوعات یا میزان مشابهت ویژگی‎ها می‎توانند دسته‌بندی گردند. در ارائه روش‌های دسته‎بندی، استخراج و انتخاب ویژگی‌های کلیدی اسناد متنی از اهمیت بالایی برخودار می‎باشد. در این مقاله روشی براساس بهبود الگوریتم فازی C-Means با الگوریتم ژنتیک برای انتخاب ویژگی‌ها در دسته‏بندی اسناد متنی ارائه شده است که در روش پیشنهادی انتخاب ویژگی‌های کلیدی متون از طریق الگوریتم فازی C-Means انجام می‎شود و این ویژگی‎ها به الگوریتم ژنتیک جهت بهبود در دسته‏بندی ارسال می‏گردند. روش پیشنهادی بر روی سه مجموعه‏داده‎ی مختلف Reuters21578, WEBKB, CADE 12 و بر اساس معیارهای ارزیابی مختلفی مورد آزمایش و ارزیابی قرار گرفته است. مقایسه‎ی نتایج روش پیشنهادی با سایر روش‌های مطرح در دسته‏بندی متون نشان می‎دهد که روش پیشنهادي عملکرد بهینه‏ای را در دسته‏بندی اسناد متنی دارد.