مروری بر رده‌ بندی خوکار متن

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، تلاش‌هایی برای رده‌بندی خودکار صورت گرفته که غالبا از الگوریتم‌های آماری و یادگیری ماشینی استفاده می‌کنند. همچنین در برخی منابع، استفاده از رده‌بندی‌های کتابخانه‌ای نیز توصیه شده است. اصلی‌ ترین چالشی که در این زمینه وجود دارد آن است که رده‌بندی، فرآیندی انتزاعی و نیازمند تفکر است و تکنیک‌های ماشینی و هوش مصنوعی هنوز نتوانسته‌اند به طور کامل جایگزین ذهن انسان شوند. در این مقاله ضمن بیان اهمیت رده‌بندی خودکار به مفاهیم یادگیری ماشینی و تکنیک‌ها و الگوریتم‌های پرکاربرد در خوشه‌بندی و رده‌بندی مانند کا- نزدیکترین همسایه، مدل بیز، شبکه‌های عصبی مصنوعی، یادگیری عمیق، و طبقه‌بندی‌های ترکیبی پرداخته شد. همچنین مراحل رده‌بندی خودکار صفحات وب و تکنیک‌های مورد استفاده در هر مرحله مورد اشاره قرار گرفت. رسیدن به درک روشن‌تری از موضوع رده‌بندی خودکار، امکان هم‌زبانی با متخصصان حوزه هوش مصنوعی و کامپیوتر را فراهم آورده و زمینه‌ساز پژوهش‌های میان ‌رشته‌ای 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.