مروری بر رده بندی خوکار متن (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
منابع با سرعت بسیار زیادی در حال رشد و انتشار هستند و در این میان سهم منابع دیجیتال و وبی بسیار مشهود است. به منظور سازماندهی این منابع، تلاش هایی برای رده بندی خودکار صورت گرفته که غالبا از الگوریتم های آماری و یادگیری ماشینی استفاده می کنند. همچنین در برخی منابع، استفاده از رده بندی های کتابخانه ای نیز توصیه شده است. اصلی ترین چالشی که در این زمینه وجود دارد آن است که رده بندی، فرآیندی انتزاعی و نیازمند تفکر است و تکنیک های ماشینی و هوش مصنوعی هنوز نتوانسته اند به طور کامل جایگزین ذهن انسان شوند. در این مقاله ضمن بیان اهمیت رده بندی خودکار به مفاهیم یادگیری ماشینی و تکنیک ها و الگوریتم های پرکاربرد در خوشه بندی و رده بندی مانند کا- نزدیکترین همسایه، مدل بیز، شبکه های عصبی مصنوعی، یادگیری عمیق، و طبقه بندی های ترکیبی پرداخته شد. همچنین مراحل رده بندی خودکار صفحات وب و تکنیک های مورد استفاده در هر مرحله مورد اشاره قرار گرفت. رسیدن به درک روشن تری از موضوع رده بندی خودکار، امکان هم زبانی با متخصصان حوزه هوش مصنوعی و کامپیوتر را فراهم آورده و زمینه ساز پژوهش های میان رشته ای خواهد بود.An Overview of Automatic Text Classification
Nowadays, various online resources are growing and disseminating rapidly. In order to organize these resources, attempts have been made to use automatic classification, which often uses statistical algorithms and machine learning. Recently, attention has been drawn to the use of library classifications. The main challenge here is that classification is an abstract, thought-provoking process, and machine techniques and artificial intelligence have not yet been able to completely replace the human mind. In this paper, we provide an overview of the importance of automatic classification, machine learning, and practical algorithms and techniques of clustering and classification like K-nearest neighbor, Bayesian models, artificial neural networks, deep learning, and hybrid classifications. Also, the steps of automatic classification of web pages and the techniques used in each step were mentioned. Achieving a clearer understanding of automatic classification will enable LIS experts to communicate with experts in the field of artificial intelligence and computers. This could pave the way for interdisciplinary research.
تبلیغات
