ارزیابی روش های وزن دهی به شاخص ها مبتنی بر یک الگوریتم ترکیبی در حوزه طبقه بندی نامه های الکترونیکی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 ارزیابی روش های وزن دهی به شاخص ها مبتنی بر یک الگوریتم ترکیبی در حوزه طبقه بندی نامه های الکترونیکی دارای ۱۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارزیابی روش های وزن دهی به شاخص ها مبتنی بر یک الگوریتم ترکیبی در حوزه طبقه بندی نامه های الکترونیکی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی ارزیابی روش های وزن دهی به شاخص ها مبتنی بر یک الگوریتم ترکیبی در حوزه طبقه بندی نامه های الکترونیکی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارزیابی روش های وزن دهی به شاخص ها مبتنی بر یک الگوریتم ترکیبی در حوزه طبقه بندی نامه های الکترونیکی :

تعداد صفحات :۱۶

چکیده مقاله:

طبقه بندی متون یک مسئله پردازش زبان طبیعی می باشد و می تواند به عنوان انتساب سندهای طبقه بندی نشده به یک یا بیشتر طبقه های از پیش تعریف شده، براساس محتوایشان دیده شود. امروزه با توجه به گسترش روز افزون شبکه جهانی، یکی از مسائلی که در زمینه طبقه بندی متون غیر ساخت یافته اهمیت بسیار چشمگیری یافته است، مسئله نامه های الکترونیکی ناخواسته )هرزنامه( می باشد. با توجه به افزایش استفاده از نامه های الکترونیکی، هرزنامه ها نیز روز به روز بیشتر می شوند. هرزنامه ها هر روز با ترفندی جدید ظاهر شده و مشکلات زیادی را ایجاد می کنند. لذا طراحی سیستم های کارا جهت فیلترینگ موثر هرزنامه ها از اهمیت فوق العاده ای برخوردار است. یکی از مراحل مهم در فیلترکردن هرزنامه ها که تاثیر بسیار زیادی در افزایش دقت و سرعت تشخیص دارد، انتخاب روش مناسب وزن دهی به شاخص ها در مرحله آماده سازی متون جهت طبقه بندی می باشد. در این مقاله به منظور ارزیابی روش های وزن دهی – – به شاخص ها از مدل ترکیبی مبتنی بر الگوریتم های یادگیری ماشین و برای شاخص گذاری از روش های ۲ گرم و ۳گرم و ۴ گرم استفاده شده است. جهت ارزیابی و مقایسه نتایج، از روش های متداول وزن دهی به شاخص ها در مرحله -آماده سازی متون استفاده شده است. نتایج ارزیابی نشان دهنده کارایی بهتر روش TF-IDF نسبت به روش های دیگروزن دهی بر روی مجموعه داده های Spam Collection است.