توسعه و بهبود روش های متن کاوی در کاربردهای فارسی (مطالعه موردی اشعار مولانا)
Abstract(in Persian; no English abstract is available)
با افزایش حجم اطلاعات متنی، کاوش داده های متنی اهمیت پیدا کرده است. همچنین از آن جا که منابع متنی فارسی نیز حجم زیادی را دربر گرفته اند نیاز به کاوش متون فارسی نیز بسیار احساس شده است. اصطلاح متن کاوی به معنای تحلیل حجم عظیمی از متون به زبان طبیعی است که الگوهای زبانی یا لغوی متون را تشخیص می دهد تا اطلاعات مفید احتمالی آن را استخراج کند. یکی از قدیمی ترین و سخت ترین مسائل در هوش مصنوعی، پردازش زبان طبیعی است تا کامپیوتر هم مانند انسان قادر به تحلیل زبان طبیعی باشد.در این تحقیق، داده های متنی غزلیات مولانا هستند که دسته بندی شده اند و براساس این دسته بندی و با استخراج کلمات به عنوان ویژگی، قوانینی استخراج می شوند. این قوانین ما را در پی بردن به مفاهیم عمیق غزلیات یاری خواهند کرد. برای استخراج ویژگی ها از متدهای متن کاوی و الگوریتم های داده کاوی استفاده شده است. به طور کلی در میان روش ها و تکنیک های متن کاوی و با توجه به قوانین استخراجی از این تکنیک ها و با استفاده از سیستم استنتاج فازی، ماشینی ایجاد می شود که قادر به دسته بندی غزلیات فارسی می باشد. در بخش های آخر دو روش برای خوشه بندی ارائه شده است که نسبت به الگوریتم خوشه بندی k-means دارای برتری هایی می باشند. این روش ها برای خوشه بندی غزلیات نیز به کار گرفته شدند.