ტექსტების კლასიფიკაცია ნეირონული ქსელებით

ავტორი: ელენე გაბელაია
საკვანძო სიტყვები: კლასიფიკაცია, ღრმა სწავლება, კონვოლუციური, ნეირონული ქსელები, მხარდამჭერი ვექტორების მეთოდი, ნეივ ბაიესის მეთოდი
ანოტაცია:

დადგენილია, რომ მთლიანი ინფორმაციის დაახლოებით 80% არასტრუქტურირებულია და ტექსტი არის არასტრუქტურირებული მონაცემების ერთ-ერთი ყველაზე გავრცელებული ტიპი. ტექსტის არეული ბუნების გამო, ტექსტური მონაცემების ანალიზი, გაგება, ორგანიზება და დახარისხება რთული და შრომატევადია, ამიტომ ხშირად ვერ ვიყენებთ მის სრულ პოტენციალს. სწორედ აქ შემოდის ტექსტის კლასიფიკაცია მანქანური სწავლებით. ტექსტის კლასიფიკატორების გამოყენებით, შეგვიძლია ავტომატურად მოვახდინოთ ყველა სახის ტექსტის სტრუქტურირება, მათ შორის ღვინის შეფასებების. სამაგისტრო ნაშრომში წარმოდგენილია ღვინის მიმოხილვების კლასიფიკაცია ყურძნის სახეობების მიხედვით. ტექსტების კლასიფიკაციისთვის გამოვიყენეთ ორი საკმაოდ პოპულარული ალგორითმი: Naive Bayes, მხარდამჭერი ვექტორების მეთოდი (SVM) და ამ კლასიფიკატორებით მიღებული შედეგები შევადარეთ ალტერნატიულ ღრმა სწავლების მოდელის მიერ მოცემულ შედეგს. Naive Bayes-ისა და SVM-ის მიახლოებითი სიზუსტე იყო შესაბამისად 63.19% და 80.27%, ხოლო ჩვენ მიერ აგებული ღრმა სწავლების მოდელის მიახლოებითი სიზუსტე იყო: 76.46%. ასე რომ, ჩვენი ნეირონული ქსელი საკმაოდ კარგ კონკურენციას უწევს ტექსტების კლასიფიკაციის ზოგიერთ უფრო გავრცელებულ მეთოდს.