دسته‌بندی اخبار و استخراج ویژگی با استفاده از الگوریتم naive bayes توسعه یافته

Naïve bayesالگوریتمی پرکاربرد در داده‌کاوی است که کارایی آن مبتنی بر فرض استقلال ویژگی‌ها می‌باشد. برای کاهش این فرض، جهت کارایی بیشتر این الگوریتم در دنیای واقعی، انتخاب ویژگی‌ رویکردی حایز اهمیت است، هرچند که روش‌های مرسوم در انجام این مهم، دارای سربار محاسباتی بالایی است. ما در این مقاله برای دسته بندی متون، یک الگوریتم naïve bayes انتخابی را معرفی می‌کنیم که از یک تکنیک انتخاب ویژگی جدید، بر اساس تکرار و همبستگی، بهره می‌برد تا تنها برخی از ویژگی‌ها را برای ساخت مدل‌های naïve bayes انتخابی مورد استفاده قرار دهد که این مدل‌ها به گونه‌ای ساخته شده‌اند که هریک به عنوان جزئی از زنجیره‌ی کامل و در امتداد یکدیگر قرار گیرند. روش این تکنیک علاوه بر ارتباط، تعامل بین ویژگی‌ها را نیز در نظر گرفته و استفاده از وابستگی را بعنوان معیاری برای ارزیابی ارتباط بین هدف و ویژگی‌ها، مورد توجه قرار می‌دهد. ما برای نمایش نتایج این روش، آن را برای دسته بندی اخبار در یک گروه خبری خاص در زبان فارسی به کار برده و سپس به زبان عربی نیز تعمیم می‌دهیم. نتایج نشان‌دهنده‌ی آن است کهnaïve bayes انتخابی علاوه بر حفظ دقت ناشی از فرض استقلال ویژگی‌ها از بازده کارایی بسیار بالایی نیز برخوردار است.