متن کاوی

متن کاوی

فهرست مطالبچکیده ….11 مقدمه. 21.1 کشف دانش و ارتباط آن متن کاوی.. 42.1 تعاریف متن کاوی.. 53.1 ناحیه­های سرچ مرتبط………………………………….. …………………………………………………………………………..72 پردازش متن.. 83 روش­ها پیش پردازش کردن متون101.3 مدل فضای برداری.. 122.3 پیش پردازش زبان شناختی.. 144 روش­های متن کاوی … 141.4 فازهای اصلی فرآیند متن کاوی… 152.4 رده­بندی … 161.2.4 انتخاب ترم ایندکس.. 172.2.4 رده کننده Naïve Bayes.. 173.2.4 رده­بندی کننده نزدیکترین همسایه.. 194.2.4 درخت تصمیم­گیری.. 205.2.4 متدهای هسته و SVM.. 206.2.4 ارزیابی رده­بندی کننده­ها.. 223.4 استخراج اطلاعات… 221.3.4 رده­بندی برای استخراج اطلاعات.. 232.3.4 مدل مارکوف پنهان.. 243.3.4 فیلدهای رندم شرطی.. 254.3.4 مقایسه روش­های استخراج اطلاعات.. 254.4 روش­ها ترکیبی.. 261.4.4 روش­های dicsotex.. 271.1.4.4 مقدمه.. 272.1.4.4 یکپارچه­ کردن داده کاوی و استخراج اطلاعات.. 273.1.4.4 سیستم dicsotex.. 272.4.4روش textminer.. 291.2.4.4 مقدمه.. 292.2.4.4 استخراج اطلاعات.. 313.2.4.4 الگوریتم خوشه­بندی.. 323.4.4 یافتن روابط.. 354.4.4 مقایسه روش­های ترکیبی.. 365 کاربردهای متن کاوی.. 366 کاربردها 397 نتیجه­گیری و کارهای آینده 398 مراجع.. 40  فهرست جداولجدول 1) مقایسه کارایی روش­های مختلف رده­بندی…………………………………………………………………………………22جدول 2) دیکشنری واژه­های مترادف………………………………………………………………………………………………………….29جدول 3) رویدادهای استخراج شده…………………………………………………………………………………………………………….32جدول 4) ورودی برای الگوریتم خوشه­بندی……………………………………………………………………………………………….32جدول5) مقایسه روش­های متن کاوی ترکیبی……………………………………………………………………………………………36       فهرست اشکالشکل 1) فرآیند متن کاوی…………………………………………………………………………………………………………………………..15شکل 2) hyper plane ساخته شدخ توسط SVM با ماگزیمم فاصله از نمونه­های کلاس­های مثبت و منفی……………………………………………………………………………………………………………………………………………………………..21شکل 3) دید کلی از چارچوب متن کاوی مبتنی بر IE……………………………………………………………………………..28شکل 4) معماری Text miner…………………………………………………………………………………………………………………31شكل 5) نمونه­ ای از روابط استخراج شد……………………………………………………………………………………………………36