بهبود شبکه های عصبی مصنوعی پرسپترون چند لایه با الگوریتم شبیه سازی تبرید برای انتخاب ویژگی ها در تشخیص نویسنده اسناد متنی

در این مقاله، سیستمی هوشمندی که به صورت اتوماتیک استخراج ویژگی های نهفته در متن با استفاده از بهبود شبکه های عصبی مصنوعی پروسپترون چند لایه با الگوریتم شبیه سازی تبرید بپردازد را ارائه داده شده است که با توجه به استخراج ویژگی های مهم متن، تشخیص نویسنده متون به صورت دقیق و کارا عملی می گردد. از جمله ویژگی های مهمی که در شناسایی نویسنده اسناد متنی روش پیشنهادی در نظر گرفته شده است عبارتند از: ویژگی های نحوی، لغوی، ساختاری، ویژگی های خاص و رها از محتوا می باشند. در روش پیشنهادی از طریق الگویتم شبیه سازی تبرید استخراج ویژگی های با ارزش و مهم نهفته در متون صورت گرفته و براساس ویژگی های استخراج شده الگوریتم شبکه عصبی مصنوعی پرسپترون چند لایه با دقت بالاتری به شناسایی نویسنده متون می پردازد. درمدل پیشنهادی از مجموعه داده ی 50-50 reuter و بر اساس چهار معیار ارزیابی متفاوت، تعداد داده های درست طبقه بندی شده، تعداد داده های نادرست طبقه بندی شده، درصد دقت، در صد دوباره خوانی و f measure استفاده نموده ایم. ارزیابی نتایج حاصله نشان می دهد که روش پیشنهادی در بین روش های استخراج ویژگی های متون، از دقت بالاتری در تشخیص هویت نویسنده اسناد متنی برخوردار می باشد.