• 0 out of 5

    پروژه تعیین وابستگی قیدی به اسم یا فعل با استفاده از الگوریتم نایو بیز با استفاده از #C

    هدف اصلي اين پژوهش پيشبيني وابستگي قيدي به اسم يا فعل با استفاده از الگوريتم نايو بيز ميباشد. در واقع کار اصلي که قرار است در اين پروژه انجام شود اين است که حرف اضافه و اسمي که در هر نمونه از داده ها وجود دارد به فعل بر ميگردد يا اسم. اين پروژه با استفاده از زبان برنامه نويسي سي شارپ مدل سازي شده است.

    روال کار بدين صورت است که ابتدا داده هاي آموزشي که حاوي هزاران نموده جملات وابسته به فعل يا وابسته به اسم و داده هاي آزمايشي به سيستم وارد مي شوند. اطلاعات مربوط به هر کدام در جدول قرار داده شده در محيط پروژه نمايش داده مي شود. سپس الگوريتم ناويو بيز بروي داده هاي آموزشي اجرا شده و مدل مورد نظر توليد مي گردد. در نهايت نمونه هاي تست جهت ارزيابي روش مطرح شده به الگوريتم يا مدل داده شده و دقت پيش بيني و تشخيص بدست مي آيد.
    دانلود مقاله اصلي
    1580,simple

    31,000تومان
  • 0 out of 5

    پروژه شبیه سازی Spell Checker با استفاده از روشهای متن کاوی

    هدف اصلي اين پروژه که با زبان برنامه نويسي سي شارپ تهيه شده است اين است که يک ديتاست بزرگ حاوي جملات درست و غلط هم از لحاظ معنايي و هم از لحاظ املايي را دريافت ميکند، کليه کلمات اضافه، کلمات غلط و کلمات درست را شناسايي کرده و بررسي مي کند که کدام کلمات غلط املايي و معنايي دارند و معادل درست آنها را پيش بيني کرده و پيشنهاد ميکند. اين عمليات با استفاده از عمليات متن کاوي صورت مي گيرد.از اوايل سال 1960 به بعد، محققان روشهاي مختلفي را براي تشخيص کلمات اشتباه در متون الکترونيکي در حال اجرا طراحي کرده اند. يک Spell Checker يک برنامه کاربردي، يک تابع يا يک نرم افزاري است که صحت املاي يک کلمه داده شده را بر اساس مجموعه اي زبان ها بدست مي آورد. Spell Checker نيز ميتواند به عنوان يک برنامه مستقل يا بخشي از يک برنامه بزرگتر يا بعنوان يک پردازشگر متن، موتور جستجوگر يا يک گيرنده ايميل باشد.
    دانلود مقاله اصلي

    25,000تومان
  • 0 out of 5

    خوشه بندی بروی متون مربوط به بیماری ها با استفاده از #k-means – C

    اين پروژه به که با زبان برنامه نويسي سي شارپ تهيه شده است يک ديتاست مربوط به متون بيماري و مجموعه لغات مربوطه که بيش از 1 ميليون نمونه است را در قالب داده هاي آزمايشي و داده هاي آموزشي دريافت کرده و با استفاده از الگوريتم خوشه بندي k-means و معيارهاي شباهت اقليدوسي و سينوسي عمليات خوشه بندي بروي متون و لغات را انجام داده و لغات مربوط به هر خوشه را تعيين نموده و دسته بندي ميکند.

    بنابراين هدف اصلي اين پروژه خوشه بندي متون در قالب دسته هاي مختلف و تشخيص نوع سندي است که حاوي متون مورد نظر مي باشد. در اين پروژه متن کاوي با خوشه بندي، ابتدا تعداد k به عنوان تعداد خوشه ها از کاربر دريافت شده و پس از پيمايش متون و تعيين خوشه براي هر متن، خروجي و خوشه هاي تعيين شده در قالب ليست باکس نشان داده مي شود.
    دانلود مقاله اصلي

    31,000تومان