• مقالات آموزشی
    • آموزش برنامه نویسی
    • آموزش الگوریتم
    • آموزش شبکه های کامپیوتری
    • آموزش های عمومی
  • ترجمه مقاله
    • لیست ترجمه کامل مقالات
    • لیست ترجمه مفهومی مقالات
  • تحقیق و پژوهش
    • لیست داکیومنت پایان‌نامه
    • لیست داکیومنت سمینار
  • پیاده سازی
    • سی پلاس پلاس ++C
    • برنامه نویسی OpenGL
    • سی شارپ #C
    • پایتون Python
    • اندروید Android
    • پی اچ پی PHP
    • متلب Matlab
  • پاورپوینت
    • پاورپوینت الگوریتم های بهینه سازی
    • پاورپوینت شبکه‌های کامپیوتری
    • پاورپوینت مهندسی کامپیوتر
    • پاورپوینت یادگیری ماشین
    • پاورپوینت درس و تحقیق
    • قالب آماده پاورپوینت
  • فیلم آموزشی
    • لیست فیلم های آموزشی
  • قالب آماده
    • لیست قالب آماده HTML
  • دانلود رایگان
  • مجله پی استور
  • ابزارهای آنلاین
    • برنامه نویسی آنلاین
    • تبدیل مبنای آنلاین
  • سفارش تدریس آنلاین
  • آموزش برنامه نویسی
  • آموزش الگوریتم
  • آموزش شبکه
  • آموزش عمومی

ورود

رمز عبور را فراموش کرده اید؟

هنوز عضو نشده اید؟ عضویت در سایت
  • درباره ما
  • تماس با ما
  • سفارش تدریس آنلاین
پی استور
0

ورود و ثبت نام

مقالات آموزشی
  • ترجمه مقاله
    • لیست ترجمه کامل مقالات
    • لیست ترجمه مفهومی مقالات
  • تحقیق و پژوهش
    • لیست داکیومنت پایان‌نامه
    • لیست داکیومنت سمینار
  • پیاده سازی
    • سی پلاس پلاس ++C
    • برنامه نویسی OpenGL
    • سی شارپ #C
    • پایتون Python
    • اندروید Android
    • پی اچ پی PHP
    • متلب Matlab
  • پاورپوینت
    • پاورپوینت الگوریتم های بهینه سازی
    • پاورپوینت شبکه‌های کامپیوتری
    • پاورپونت مهندسی کامپیوتر
    • پاورپوینت یادگیری ماشین
    • پاورپوینت درس و تحقیق
      • عمومی
      • مشاهیر و اشخاص
      • واقعیت مجازی
      • طراحی سایت
      • برنامه نویسی
      • علوم کامپیوتر
      • اینترنت اشیاء
      • سیستم عامل
      • ارز دیجیتال
      • کسب و کار
      • تکنولوژی
      • علوم
    • قالب آماده پاورپوینت
  • فیلم آموزشی
    • لیست فیلم های آموزشی
  • قالب آماده
    • قالب آماده HTML
  • مجله پی استور
  • ابزارهای آنلاین
    • برنامه نویسی آنلاین
    • تبدیل مبنای آنلاین

دسته بندی متون احساسی با ویژگی های Bigram مبتنی بر الگوریتم تکاملی

خانهفروشگاههوش مصنوعییادگیری ماشیندسته بندی متون احساسی با ویژگی های Bigram مبتنی بر الگوریتم تکاملی
دسته بندی متون احساسی با ویژگی های Bigram مبتنی بر الگوریتم تکاملی

در این پست داکیومنت دسته بندی متون احساسی با ویژگی های Bigram مبتنی بر الگوریتم تکاملی قرار گرفته شده است. ضرورت استفاده از سیستم‌های تشخیص خودکار بر کسی پوشیده نیست. الگوریتم‌های یادگیری ماشین به‌صورت فراوانی هزینه تحقیق را کاهش می‌دهند و سرعت بسیار بیشتری نسبت به الگو های میدانی دارند و بدین‌صورت صرفه‌جویی زیادی در وقت می‌شود. مشکلی که در دسته‌بندی متن یا دسته بندی متون وجود دارد، حجم زیاد ویژگی‌ها است که باعث کاهش دقت نتایج دسته‌بندی می‌شود.

cropped-fav2.png

تهیه و تنظیم: تیم طراحی و تولید پی استور

متشکل از اساتید و فارغ التحصیلان رشته های فنی - مهندسی

تیم طراحی و تولید پی استور از اولین تیم های تشکیل شده در مجموعه آموزشی پی استور می باشد. این تیم از اساتید مجرب و فارغ التحصیلان رشته های فنی و مهندسی تشکیل شده که در زمینه های مختلف تولید محتوای تخصصی فعال هستند.

برای انتخاب ویژگی در اسناد متنی از متدهای انتخاب ویژگی n-gram استفاده می‌کنند در این روش n تعداد کلمات انتخاب شده را بیان می‌کند. دو روش تک کلمه‌ای و دو کلمه‌ای در بیشتر پژوهش‌ها مورد توجه قرار گرفته است. در روش تک کلمه‌ای (unigram) ویژگی‌های یک متن با توجه به تعداد آن‌ها بدست ‌می‌آید ولی در روش دو کلمه‌ای (Bigram )تعداد حالت‌هایی که دو کلمه در کنار هم می‌آیند را به دست می‌آورند و ویژگی‌های دوکلمه‌ای با شمارش و تکرار بالا به‌عنوان ویژگی در نظر گرفته می‌شود.

اما مشکل اصلی در انتخاب ویژگی‌های موثر در دسته بندی متون است بدین معنی که فرکانس بالای کلمات فقط تنها عاملی برای انتخاب ویژگی نیست.  با توجه به حجم بالای ویژگی‌ها در مسئله دسته‌بندی متون می‌توان گفت انتخاب ویژگی‌های مؤثر برای دسته‌بندی متن، یک مسئله NP-Hard است و می‌توان با استفاده از الگوریتم‌های تکاملی آن را حل کرد.

چکیده

با پیشرفت علم حجم اسناد متنی موجود بر روی رسانه‌های دیجیتال و اینترنت، افزایش یافته است و این موضوع ضرورت استفاده از سیستم‌های خودکار تشخیص و دسته‌بندی متن را بیشتر پررنگ می‌کند. روش‌های دسته‌بندی متن جزو روش‌های یادگیری ماشین هستند و استخراج و انتخاب ویژگی مرحله‌ی بسیار مهم در رویه‌ی دسته‌بندی متون به شمار می‌رود، زیرا در این مرحله واژه‌های کلیدی انتخاب می‌شوند تا به‌عنوان بهترین نمایش‌دهنده برای سند متنی مورد استفاده قرار بگیرند.

هدف روش‌های انتخاب ویژگی به دست آوردن یک مجموعه‌ی کوچک‌تر از ویژگی‌های موجود در سند می‌باشند که به طرز مؤثری محتوای سند را بیان می‌کند. الگوریتم‌های مختلفی برای دسته‌بندی متون وجود دارد. مشکلی که در دسته‌بندی متن وجود دارد، حجم زیاد ویژگی‌ها است که باعث کاهش دقت نتایج دسته‌بندی می‌شود. برای انتخاب و برای حل این مشکل و کاهش ابعاد ویژگی‌ها از متدهای انتخاب ویژگی استفاده می‌کنند انتخاب ویژگی‌های مؤثر برای دسته‌بندی یک مسئله NP-Hard است و می‌توان با استفاده از الگوریتم‌های تکاملی آن را حل کرد.

در این پایان‌نامه یک روش ترکیبی مبتنی بر الگوریتم ژنتیک و شبیه‌ساز حرارتی برای به دست آوردن ویژگی‌های مؤثر استفاده‌شده است که بر روی متن 25000 فیلم که در دو دسته مثبت و منفی دسته‌بندی شده‌اند طراحی‌شده است. این دسته‌بندی مربوط به بررسی احساسات در فیلم‌ها است. با استفاده از روش داده‌کاوی متن و استخراج ویژگی‌ها مراحل پیش‌پردازش جهت به دست آوردن ویژگی‌ها از دو روش Unigram و Bigram استفاده‌شده و ویژگی‌های دوکلمه‌ای با شمارش و تکرار بالا به‌عنوان ویژگی‌های با اولویت بالا در نظر گرفته‌شده است نتایج حاصل از شبیه‌سازی نشان داد دسته‌بندی با صحت و دقت بالای 90 درصد انجام‌شده است. روش درخت تصمیم بهینه‌شده با الگوریتم ژنتیک و شبیه‌ساز حرارتی با دقت 93.15 دسته‌بندی را انجام داد.

کلمات کلیدی: دسته‌بندی متن، انتخاب ویژگی مؤثر، الگوریتم‌های یادگیری ماشین، الگوریتم‌های تکاملی

فهرست مطالب

فصل اول: کلیات تحقیق

  • مقدمه
  • نگرش و اهمیت انتخاب موضوع
  • بیان مسئله
  • اهداف تحقیق
  • نظریه
  • نوآوری‌های تحقیق
  • ساختار پایان‌نامه

فصل دوم: مفاهیم پایه و پیشینه تحقیق

  • مقدمه
  • روش‌های دسته بندی
    • مرحله پیش پردازش
    • انتخاب ویژگی
  • روش های انتخاب ویژگی
    • روش های فیلتری یا آماری
    • روش های روکشی
  • الگوریتم های دسته بندی متن
    • روش نیوبیزین
    • روش ماشین بردار پشتیبان
    • روش k همسایه‌ی نزدیک
    • روش شبکه های عصبی
    • روش درخت تصمیم
  • الگوریتم‌های تکاملی
    • الگوریتم ژنتیک
    • الگوریتم شبیه‌ساز حرارتی
  • مرور کارهای پیشین
  • خلاصه فصل

فصل سوم: روش پیشنهادی

  • مقدمه
  • روش پیشنهادی
    • مرحله‌ی GA
    • مرحله‌ی SA
  • مجموعه داده
  • خلاصه فصل

فصل چهارم: ارزیابی نتایج

  • مقدمه
  • معیارهای ارزیابی
  • آزمایش و ارزیابی
    • الگوریتم شبکه‌های عصبی
    • الگوریتم درخت تصمیم
    • الگوریتم K همسایه نزدیک
    • الگوریتم نیو بیزین
    • الگوریتم ماشین بردار پشتیبان
  • جمع‌بندی فصل

فصل پنجم: نتیجه‌گیری و کارهای آتی

  • نتیجه گیری
  • کارهای آتی

درباره محصول

داکیومنت دسته بندی متون احساسی با ویژگی های Bigram مبتنی بر الگوریتم تکاملی در 70 صفحه در قالب word و pdf بصورت زیپ شده قابل دانلود می باشد. این محصول به صورت کامل و روان داکیومنت است و توسط کارشناسان پی استور بازنگری و تایید شده می باشد. این محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود محصول آن را خریداری فرمایید. به محض خرید محصول لینک دانلود در دسترس خواهد بود. در صورت بروز هرگونه مشکل با واحد فروش پی استور تماس حاصل فرمایید.

گارنتی 7 روزه بازگشت هزینه

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این محصول توسط پی استور تضمین شده و در صورت عدم رضایت از محصول، به انتخاب شما:

  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا 80 درصد مبلغ پرداختی به حساب بانکی شما عودت داده می‌شود.

مطالب پیشنهادی در حوزه یادگیری ماشین

پاورپوینت درمورد یادگیری ماشین (Machine learning)
پاورپوینت درمورد یادگیری ماشین (Machine learning)
تجزیه تحلیل ساختار جملات انگلیسی با یادگیری ماشین در سی شارپ
تجزیه تحلیل ساختار جملات انگلیسی با یادگیری ماشین در سی شارپ
پیش‌بینی موفقیت در بانکداری تلفنی با الگوریتم‌های یادگیری ماشین
پیش‌بینی موفقیت در بانکداری تلفنی با الگوریتم‌های یادگیری ماشین
پردازش زبان طبیعی و آنالیز ساختار جملات انگلیسی با استفاده از یادگیری ماشین
پردازش زبان طبیعی و آنالیز ساختار جملات انگلیسی با استفاده از یادگیری ماشین
تبدیل دیتاست NSL-KDD برای استفاده الگوریتم های یادگیری ماشین در متلب
تبدیل دیتاست NSL-KDD برای استفاده الگوریتم های یادگیری ماشین در متلب
تبدیل دیتاست KDD99 برای استفاده الگوریتم های یادگیری ماشین در متلب
تبدیل دیتاست KDD99 برای استفاده الگوریتم های یادگیری ماشین در متلب

تاکنون 193 نفر این محصول را تهیه کرده اند و 1 نظر برای آن ثبت شده است.

نظرات و دیدگاه ها
  • مدیریت و پشتیبانی
    28 اسفند 1397
    امتیاز 5 از 5
    پاسخ

    نظرات و دیدگاه های خود را با ما درمیان بگذارید.

قوانین ثبت دیدگاه

  • لطفاً دیدگاه های خود را فارسی تایپ کنید.
  • دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.
  • سوالات تخصصی خودتان را از طریق تیکت پشتیبانی مطرح کنید.

لغو پاسخ

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دسته‌بندی موضوعی: الگوریتم‌های تکاملی الگوریتم‌های فرا ابتکاری داکیومنت هوش مصنوعی یادگیری ماشین

قیمت 129,000 تومان

افزودن به علاقه مندی ها
امتیاز
5.00 از 1 رأی
5.00 1 رای
129,000 تومان

تاریخ انتشار: 10 آبان 1397
تاریخ بروزرسانی: 2 مهر 1399
حجم فایل: 1.5 مگابایت
فرمت فایل docx با قابلیت ویرایش
نسخه: 1.0
هماهنگی با: Microsoft Word 2007 و بالاتر
دانلود شده توسط: 193 نفر

1 بازخورد (مشاهده نظرات)

قیمت: 129,000 تومان

تماس با ما
  • دفتر پشتیبانی: 04144225175 (ساعت کاری 8:00 الی 16:00)
  • آی دی تلگرام: programerPstore
درباره پی استور

تیم توسعه پی استور با هدف ارائه مطالب مفید علمی در گرایش های مختلف پروژه های علمی مختلف را جمع آوری می کند و در قالب یک محصول تست شده و قابل اجرا همراه با توضیحات و نحوه اجرا، انتشار می دهد. امید است با عنایت الهی و کوشش اساتید و دانشجویان همراهمان بتوانیم قدم کوچکی در تولید محتوای علمی کشور داشته باشیم.

مجوز های اخذ شده
اینماد نشان ملی   پروانه نشر دیجیتال
  • حساب کاربری من
  • سوالات متداول
  • راهنمای خرید و دانلود
پی استور
  • همکاری با ما
  • قوانین و مقررات
  • حریم خصوصی
تمامی حقوق برای پی استور محفوظ است.
keyboard_arrow_up