پاورپوینت کامل بهینه سازی کشف اطلاعات از مستندات نیمه‌ساخت‌یافته XML 62 اسلاید در PowerPoint

توجه : این فایل به صورت فایل power point (پاور پوینت) ارائه میگردد

 پاورپوینت کامل بهینه سازی کشف اطلاعات از مستندات نیمه‌ساخت‌یافته XML 62 اسلاید در PowerPoint دارای ۶۲ اسلاید می باشد و دارای تنظیمات کامل در PowerPoint می باشد و آماده ارائه یا چاپ است

شما با استفاده ازاین پاورپوینت میتوانید یک ارائه بسیارعالی و با شکوهی داشته باشید و همه حاضرین با اشتیاق به مطالب شما گوش خواهند داد.

لطفا نگران مطالب داخل پاورپوینت نباشید، مطالب داخل اسلاید ها بسیار ساده و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی پاورپوینت کامل بهینه سازی کشف اطلاعات از مستندات نیمه‌ساخت‌یافته XML 62 اسلاید در PowerPoint،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از مطالب داخلی اسلاید ها

پاورپوینت کامل بهینه سازی کشف اطلاعات از مستندات نیمه‌ساخت‌یافته XML 62 اسلاید در PowerPoint

اسلاید ۴: هدف پژوهش بهبود کارایی طبقه بندی کنندهبهبود کشف اطلاعات از مستندات نیمه ساختیافته XMLسازماندهی مستندات تشخیص موضوع مستندات جستجوی ساختیافته و پیدا کردن مستندات در راستای علایق کاربر شاخص بندی خودکار مستندات در سیستم‌های بازیابی اطلاعات مرتب کردن بلادرنگ نامه های الکترونیکی یا فایلها در سلسله مراتبی از پوشه هاتشخیص معنای کلمات مبهم ارائه راهکاری به منظور بهبود کارایی طبقه بندی کننده جهت بهبود فرایند کشف اطلاعات از مستندات نیمه ساختیافته XML

اسلاید ۵: طبقه بندی مستنداتطبقه‌بندی مستندات = انتساب اسناد متنی بر اساس محتوی به یک یا چند طبقه از قبل تعیین شده فازهای طبقه بندیفاز آموزشیساخت مدل با استفاده از مستندات آموزشیفار آزمایشی استفاده از مدل بر روی مستندات آزمایشیماتریس تصمیم گیری

اسلاید ۶: مراحل طبقه بندی مستنداتپیش پردازش مستندات شاخص بندی مستنداتتبدیل مستندات به برداری از کلمات تشکیل دهندهانتخاب ویژگیکاهش ابعاد بردار کلمات وزن دهی ویژگیتعیین میزان اهمیت و قدرت کلمات انتخاب شده در متمایز کردن هر مستند از سایر مستنداتطبقه بندی مستنداتاعمال الگوریتم طبقه بندی بر روی بردار کلمات انتخاب و وزن دهی شده مستنداتطبقه بندی کننده های بیزیننزدیکترین K همسایه (KNN)درخت های تصمیم گیریشبکه های عصبی ماشین های بردارهای پشتیبان (SVM)آستانه یابی تکرار مستندات (DF)بهره اطلاعاتی (IG)قدرت ویژگی (TS)روشروش های مبتنی بر TFروش های مبتنی بر IDF

اسلاید ۷: راهکار بهبود کارایی طبقه بندی کنندهارائه الگوریتم جدیدطبقه بندی کننده مستنداتبهبود عملیات پیش پردازش

اسلاید ۸: راه حل پیشنهادیمتن کاویطبقه بندی مستنداتپیش پردازشوزن دهی ویژگیانتخاب ویژگیشاخص بندیخوشه بندیخلاصه سازیپرسش و پاسخاستخراج اطلاعاتالگوریتم طبقه بندیبهبود روش وزن دهی ویژگی برای بالابردن کارایی طبقه بندی کنندهمستندات نیمه ساختیافته XML

اسلاید ۹: روش های وزن دهی ویژگیوزن دهی ویژگیk: تعداد ویژگی های متمایز در کل مجموعه Dwik: وزن دهی ویژگی tk در مستند diروش های متداول وزن دهی ویژگیروش‌های مبتنی بر TF تابعی از توزیع ویژگی در هر یک از مستندات روش‌های مبتنی بر IDF تابعی از توزیع ویژگی در مجموعه مستندات Dروش های مبتنی بر اطلاعات طبقاتتابعی از توزیع ویژگی در طبقاتاگر

اسلاید ۱۰: روش وزن دهی ویژگی مبتنی بر TFنام روشرابطهتوضیحاتTF#(tk’ di) تعداد تکرار ویژگیtk در مستند dinormTF-logTF-ITFr=1Sparckk تعداد ویژگی های منحصر به فرد در مجموعهD ایده: افزایش وزن دهی ویژگی با افزایش فرکانس ویژگی در هر مستند.

اسلاید ۱۱: روش های وزن دهی ویژگی مبتنی بر IDFایده: کاهش وزن ویژگی با افزایش فرکانس ویژگی در مجموعه مستندات D.IDFTFIDFnormTFIDF

اسلاید ۱۲: روش وزن دهی ویژگی مبتنی بر اطلاعات طبقاتروش TFRFسال ۲۰۰۵ توسط آقای Lan

اسلاید ۱۳: روش وزن دهی ویژگی پیشنهادی TFCRF a: تعداد مستندات فاقد ویژگی x از کلاس c1 b: تعداد مستندات دارای ویژگی x از کلاس c1 c: تعداد مستندات دارای ویژگی x از کلاس غیر c1 d: تعداد مستندات فاقد ویژگی x از کلاس غیر c1a تعداد مستندات متعاق به کلاس c1تعداد مستندات متعلق به کلاس های غیر c1b c d (1)(2)(3)(4)

اسلاید ۱۴: روش وزن دهی ویژگی پیشنهادی TFCRF(ادامه)وزن x در (۱)= وزن x در (۲) = وزن x در (۳) = وزن x در (۴)a تعداد مستندات متعاق به کلاس c1تعداد مستندات متعلق به کلاس های غیر c1b c d (1)(2)(3)(4) روش های وزن دهی ویژگی مبتنی بر IDF روش TFRFوزن x در (۴)< وزن x در (۳) < وزن x در (۱) < وزن x در (۲)

اسلاید ۱۵: روش وزن دهی ویژگی پیشنهادی TFCRF(ادامه)روش وزن دهی ویژگی TFRFروش وزن دهی ویژگی منطقیa تعداد مستندات متعاق به کلاس c1تعداد مستندات متعلق به کلاس های غیر c1b c d (د)(ج)(ب)(الف)وزن x (الف)= وزن x (ب) = وزن x (ج) = وزن x (د)وزن x (الف) < وزن x (ب) < وزن x (ج) < وزن x (د)

اسلاید ۱۶: روش وزن دهی ویژگی پیشنهادی TFCRF (ادامه)

اسلاید ۱۷: روش وزن دهی ویژگی پیشنهادی LBTFمثال: طبقه بندی مقالات علمی برچسب گذاری شده XMLفرکانس ویژگی x در ”عنوان“ ۱ بار ”چکیده“ ۲ بار ” متن“۱۰۰ بارروش وزن دهی ویژگی TFروش وزن دهی ویژگی منطقیمساله: تعیین میزان اهمیت (وزن) اجزاء مستند نیمه ساختیافتهراه حل۱: فرایند مکاشفه ای در تعیین میزان اهمیت هر جزء (Giri سال ۲۰۰۴)راه حل۲: طبقه بندی کننده متا (Bratko سال ۲۰۰۴ و ۲۰۰۶)راه حل ۳: روش وزن دهی ویژگی LBTF پیشنهادی (Maleki در سال ۲۰۰۷)۱۰۳=۱۰۰+۲+۱= وزن ویژگی xوزن جزء متن*۱۰۰+وزن جزء چکیده*۲+وزن جزء عنوان*۱= وزن ویژگی x

اسلاید ۱۸: روش وزن دهی ویژگی پیشنهادی LBTF (ادامه)ایده: وزن دهی ویژگی براساس اطلاعات ساختاری مستندات نیمه ساختیافته XML تکنیک: توجه به چگالی هر یک از اجزاء تشکیل دهنده مستند XMLمجموعه اجزاء موجود در مستندات XML مجموعه D

اسلاید ۱۹: سیستم طبقه بندی کننده مستندات نیمه ساختیافته XMLمستندات نیمه ساختیافته XML واحد پیش پردازشگر مستندات نیمه ساختیافته XML واحد طبقه بندی کنندهمستندات نیمه ساختیافته طبقه بندی شده XML

اسلاید ۲۰:

اسلاید ۲۱: زیرسیستم پالاینده مستندات وظیفه: دریافت و پالایش مجموعه مستندات XML ورودی جهت تعیین مجموعه D ورودی: مستندات نیمه ساختیافته XMLخروجی: مستندات پالایش شده XML به عنوان مجموعه Dمولفه هاحذف کننده برچسب های غیر ضروریبررسی کننده ساختار مستندات XMLانتخاب کننده مستندات XML پالایش شدهحاوی اطلاعات معنایی مهم نیستند. در تعداد کمتری از مستندات مجموعه وجود دارند. قابل تبدیل به برچسب های دیگر هستند. شناسایی و اصلاح اجزاء غیر خوش فرم حذف اجزاء تهی دارای بیشترین برچسب

اسلاید ۲۲: زیرسیستم استخراج کننده ویژگی هاوظیفه: پردازش مجموعه مستندات D جهت استخراج ویژگی های مهم با حفظ اطلاعات ساختاریورودی: مجموعه مستندات Dخروجی: مجموعه مستندات D شاخص بندی شدهمولفه هاتحلیلگر لغوی ساختاریسازنده پایگاه دادهپالاینده لغوی شاخص بندی مستندات و استخراج کلماتحذف اعداد و علائم نگارشی یکسان سازی شکل حروف حذف کلمات توقف ریشه یابی کلماتبا حفظ اطلاعات مکانیریشه یابی شده

اسلاید ۲۳: زیرسیستم