دانلود مقاله ISI انگلیسی شماره 46741
عنوان فارسی مقاله

طبقه بندی متن با استفاده از ویژگی های معنایی نهفته با محوریت الگوریتم ژنتیک محور

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
46741 2014 10 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Text classification using genetic algorithm oriented latent semantic features
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 41, Issue 13, 1 October 2014, Pages 5938–5947

کلمات کلیدی
انتخاب ویژگی - الگوریتم ژنتیک - نمایه سازی معنایی نهفته - طبقه بندی متن
پیش نمایش مقاله
پیش نمایش مقاله  طبقه بندی متن با استفاده از  ویژگی های معنایی نهفته با محوریت الگوریتم ژنتیک محور

چکیده انگلیسی

In this paper, genetic algorithm oriented latent semantic features (GALSF) are proposed to obtain better representation of documents in text classification. The proposed approach consists of feature selection and feature transformation stages. The first stage is carried out using the state-of-the-art filter-based methods. The second stage employs latent semantic indexing (LSI) empowered by genetic algorithm such that a better projection is attained using appropriate singular vectors, which are not limited to the ones corresponding to the largest singular values, unlike standard LSI approach. In this way, the singular vectors with small singular values may also be used for projection whereas the vectors with large singular values may be eliminated as well to obtain better discrimination. Experimental results demonstrate that GALSF outperforms both LSI and filter-based feature selection methods on benchmark datasets for various feature dimensions.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.