ارائه مدل دسته­ بندی متون فارسی با استفاده از ترکیب مدل گوسین وبیزین

هدف از دسته­بندی اسناد، نگاشت اسناد متنی به چند دسته از قبل تعیین شده است. به دلیل رشد روز افزون متون، توجه زیادی به دسته­بندی اسناد شده است. اما تجمیع نظر کارشناسان، امری چالش­پذیر بوده و باعث اتلاف زمان می­شود. بنابراین در سال­های اخیر الگوریتم­های گوناگونی برای دسته­بندی خودکار اسناد، پیشنهاد شده است که البته اکثر آن­ها در زمینه متون لاتین ارائه گردیده است و اخیرا به بررسی متون چینی و عربی و فارسی توجه شده است. هدف این مقاله، بررسی دسته­بندی داده­های فارسی می­باشد که از ترکیب دو الگوریتم­ بیزین وگوسین، برای بهره بردن از مزیت­های این دو الگوریتم، استفاده کرده­ایم. در روش ارائه شده، دسته­بندی متون فارسی به وسیله­ی پیکره­ی همشهری 2 مورد آزمایش قرار داده شده است و با روش نرمال شده­ی تکرار کلمه درمعکوس تکرارسند (tf-idf) به ویژگی­ها وزن داده می­شود و سپس مدل پیشنهادی پیاده­سازی می­شود. روش پیشنهادی برای دسته­بندی این پیکره به 6 دسته، به دقت 93.04 درصد رسیده است که در مقایسه با سایر روش­های ارائه شده برای متون فارسی دقت بیشتری داشته است.