خوشهبندی متن عمیقِ بهبودیافته با استفاده از منیفولد محلی تعبیهشده خودرمزگذار
نویسندگان
1 دانشکده مهندسی کامپیوتر، دانشگاه خوارزمی، تهران، ایران
2 دانشکده مهندسی، گروه کامپیوتر، دانشگاه کردستان، سنندج، ایران
3 دانشکده مهندسی، گروه کامپیوتر، دانشگاه کردستان، سنندج، ایران
4 دانشکده مهندسی کامپیوتر، دانشگاه تبریز، تبریز، ایران
doi
10.22075/jme.2024.32399.2565چکیده
خوشهبندی متن، روشی برای جداسازی اطلاعات از دادگان متنی است که میتواند متن را براساس موضوع و احساس طبقهبندی کند و اخیرا مورد توجه بسیاری قرار گرفته است. روشهای مبتنی برخوشهبندی عمیق به دلیل دقت بالا، در میان تکنیکهای خوشهبندی از اهمیت ویژهای برخوردار هستند. این روشها شامل دو جزء اصلی کاهش ابعاد و خوشهبندی میباشد. بسیاری از روشهای پیشین عمیق، از خودرمزگذار برای کاهش ابعاد استفاده کردهاند. با اینحال، آنها قادر به کاهش ابعاد بر اساس ساختارهای منیفولد نیستند و نمونههایی که شبیه یکدیگر هستند لزوماً در ابعاد پایین نیز در کنار یکدیگر قرار نمیگیرند. در این مقاله، ما یک روش خوشهبندی متن عمیق را براساس یک منیفولد محلی در لایه خودرمزگذار (DCTMA) توسعه میدهیم که از ماتریسهای شباهت متعدد برای درنظرگرفتن جهت، اندازه و معنا استفاده میکند، بهطوری که ماتریس شباهت نهایی از میانگین این ماتریسها بهدست میآید. ماتریس بهدست آمده به لایه بازنمایی پنهان در خودرمزگذار اضافه میشود. هدف اصلی DCTMA تولید بازنماییهای مشابه برای نمونههای متعلق به یک خوشه است. پس از کاهش ابعاد با دقت بالا، خوشهها با استفاده از خوشهبندی عمیق انتها به انتها شناسایی میشوند. نتایج تجربی نشان میدهد که روش پیشنهادی در مقایسه با روشهای پیشرفته فعلی در مجموعه دادههای متنی، عملکرد شگفتآوری دارد.
