کلاس بندی متون با استفاده از شبکه عصبی SOM در متلب

این پروژه پیاده سازی یک مقاله در این زمینه هست

سورس پروژه به زبان متلب به همراه فایل پاور و داکیومنت و اصل مقاله ارائه شده است

چکیده:

می خواهیم یک سری سند را با استفاده از شبکه عصبی گروه بندی کنیم یعنی آنهایی که هم محتوی هستند را در یک گروه قرار دهیم این کار در دنیای امروز که اسناد الکترونیکی جای کتاب را در زندگی ما کرفته اند بسیار با اهمیت است .
شبکه SOM یکی از شبکه های عصبی پر کاربرد در زمینه گروه بندی متن می باشد در این مقاله به چگونگی انجام این کار با این شبکه می پردازیم.

 

مقدمه:

در دنیایی امروز جستجو برای پیدا کردن مطلب مورد نظر در بین خیل اسناد الکترونیکی امری ملال اور است لذا برای رهایی از این مشکل نیاز به طبقه بندی اسناد داریم تا با جستجوی سریع و آسان بتوانیم حد اکثر استفاده را از این دایره المعارف عظیم ببریم.
برای زسیدن به این هدف می‌توان از شبکه‌ های عصبی نظارت‌شده مانند‌-u و شبکه‌های نظارت نشده مانند SOM بهره جست.
ما در این مقاله از شبکه عصبی بدون ناظر SOM استفاده می‌کنیم و فرایند‌کار را به سه فاز تقسیم میکنیم

 

فاز اول: پیش پردازش داده ها(اسناد)

این فاز خود به سه مرحله تقسیم میشود
۱– در این مرحله کلمه ها را از درون متن بیرون می کشیم و کلمه هایی که دارای ارزش معنایی نیستند را حذف می کنیم(مانند حروف ربط و اضافه)
۲- در‌ این‌مرحله از بین کلماتی که دارای اشکال مختلفی هستند یک شکل واحد را ذخیره می‌کنیم مانند مصدر آن‌را
۳- در این مرحله به باز نویسی متون می پردازیم ماتریس تکرار کلمات را تشکیل می دهیم 

 

فاز دوم: فاز یادگیری

در این فاز ماتریس تکرار کلمات را به عنوان ورودی به شبکه SOM داده و یادگیری را انجام می دهیم در هر مرحله یکی از ستون های مانریس را اعمال می کنیم

 

فاز سوم: فاز تست

در این فاز ماتریس تکرار یک متن جدید را به عنوان ورودی به شبکه داده به هر کدام از بردار های وزن که نزدیکتر بود در آن دسته قرارش می دهیم.

بعد از پرداخت لینک های دانلود نمایش داده می شود

پرداخت با کلیه کارت های عضو شتاب