ترجمه مقاله روش دوگانه‌ بهینه سازی ازدحام ذرات دودویی بهبودیافته و جهش قورباغه آمیخته برای انتخاب ویژگی

قیمت خرید این محصول
۱۵۲,۰۰۰ تومان
دانلود مقاله انگلیسی
عنوان فارسی
روش دوگانه‌ بهینه سازی ازدحام ذرات دودویی بهبودیافته و جهش قورباغه آمیخته برای انتخاب ویژگی
عنوان انگلیسی
Hybrid approach of improved binary particle swarm optimization and shuffled frog leaping for feature selection
صفحات مقاله فارسی
24
صفحات مقاله انگلیسی
12
سال انتشار
2018
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
سایز ترجمه مقاله
14
فرمت ترجمه مقاله
pdf و ورد تایپ شده با قابلیت ویرایش
فرمت مقاله انگلیسی
PDF
فونت ترجمه مقاله
بی نازنین
نشریه
الزویر - Elsevier
نوع ارائه مقاله
ژورنال
نوع مقاله
ISI
نوع نگارش
مقالات پژوهشی (تحقیقاتی)
ایمپکت فاکتور(IF) مجله
5.317 در سال 2022
پایگاه
اسکوپوس
شاخص H_index مجله
84 در سال 2023
شاخص Q یا Quartile (چارک)
Q1 در سال 2022
شاخص SJR مجله
0.950 در سال 2022
شناسه ISSN مجله
0045-7906
کد محصول
12628
بیس
است ✓
پرسشنامه
ندارد ☓
رفرنس در ترجمه
در داخل متن و انتهای مقاله درج شده است
ضمیمه
ندارد ☓
فرضیه
ندارد ☓
متغیر
ندارد ☓
مدل مفهومی
دارد ✓
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن
به صورت عدد درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
تایپ شده است ✓
doi یا شناسه دیجیتال
https://doi.org/10.1016/j.compeleceng.2018.02.015
رشته و گرایش های مرتبط با این مقاله
مهندسی کامپیوتر - مهندسی فناوری اطلاعات - مهندسی نرم افزار - مهندسی الگوریتم ها و محاسبات - اینترنت و شبکه های گسترده
کلمات کلیدی
بررسی طبقه بندی هرزنامه - انتخاب زیر مجموعه ویژگی - بیز ساده - kNN و SVM
کلمات کلیدی انگلیسی
Review spam classification - Feature subset selection - Naive Bayes - kNN and SVM
مجله
Computers and Electrical Engineering
۰.۰ (هنوز امتیازی ثبت نشده است)
فهرست مطالب

چکیده
1. مقدمه
2. مدل پیشنهادی
3. نتایج شبیه‌سازی و بحث
4. نتیجه‌گیری
منابع  

نمونه چکیده ترجمه متن فارسی

چکیده

     در حال حاضر اکثریت مردم به اشتراک‌گذاری ایده‌ها، بازخوردها، پیشنهاد برای هر موضوع مجزا در وبگاه‌ها ، انجمن‌های اینترنتی  و بلاگ‌‌ها علاقه‌مند هستند. بنابراین، مصرف‌کنندگان قبل از خرید محصول یا بهره‌وری از خدمات، به ارزیابی‌ها و نقدهای پیشین  اتکا می‌کنند. هرچند تمام نقدهای موجود در اینترنت معتبر نیستند. هرزنامه‌ها  نقدها را به نفع خود، کاهش ارزش یا ارتقای محصول، دستکاری می‌کنند. بنابراین، مشتری‌ها تحت تاثیر نقدهای جعلی، مانند محتوای اسپم ، تصمیم اشتباه اتخاذ می‌کنند. برای حل این مشکل، روش دوگانه‌ی بهبود بهینه‌سازی ازدحام ذرات دودویی و الگوریتم جهش قورباغه‌ی آمیخته پیشنهاد شده تا ابعاد بزرگ مجموعه‌ی ویژگی کاهش و زیرمجموعه‌ی بهینه‌سازی شده‌ی ویژگی انتخاب شود. روش ما به نادیده‌گرفتن نقدهای جعلی توسط مشتری‌ها کمک کرده و عملکرد طبقه‌بندی را با تامین نقدهای مطمئن افزایش می‌دهد. برای طبقه‌بندی از دسته‌بندی‌کننده‌های  بیز ساده ، نزدیک‌ترین همسایه K  ، ماشین بردار پشتیبانی  استفاده شده است. با توجه به نتایج روش دوگانه‌ی پیشنهادی انتخاب ویژگی، یک زیرمجموعه‌ی بهینه‌ی ویژگی ارائه کرده و از دقت بالای طبقه‌بندی برخوردار است.

مدل پیشنهادی

     مدل پیشنهادی از الگوریتم فرگشتی برای FS استفاده می‌کند تا زیرمجموعه‌ی ویژگی برای دست‌یابی به نتایج بهتر دسته‌بندی و شناسایی نقدهای جعلی حاصل شود. این مدل شامل چهار مرحله به نام‌های پیش‌پردازش ، استخراج ویژگی ، انتخاب ویژگی بر اساس iBPSO و SFLA دوگانه، و دسته‌بندی است. نمودار بلوکی سیستم پیشنهادی در تصویر 1 آورده شده است.

پردازش داده

     مرحله‌ی پیش‌پردازش شامل چهار فاز نشانه‌گذاری ، حذف کلمات توقف ، ریشه‌یابی  و سِنتی‌وُردنِت  است. ابتدا با روند نشانه‌گذاری رشته‌ها  به نشانه‌ها  تبدیل می‌شود. سپس، هر سند به نشانه‌ها تقسیم می‌شود. بعد از فاز نشانه‌گذاری، کلمات توقف از مجموعه‌ی داده حذف می‌شود. به‌دنبال آن با ریشه‌یابی، ریشه‌ی واژه از کلمه انتخاب می‌شود. در نهایت با استفاده از سنتی‌وردنت، استخراج ویژگی‌ها انجام می‌شود [17]. هدف سنتی‌وردنت تامین یک افزونه برای ورد نت  است، به‌گونه‌ای که تمام مجموعه‌های مترادف  با مقادیر منفی، مثبت یا بی‌طرف ضمنی  ارتباط داده شوند. نمره‌های مثبت و منفی برای نقد با محاسبه‌ی میانگین نمرات مثبت و منفی تعیین می‌شود. سپس نمره‌ی بی‌طرف با معادله‌ی (1) محاسبه می‌شود. اگر نمره‌ی بی‌طرف کمتر از آستانه باشد، کلمات حذف می‌شوند در غیر این‌صورت، کلمات برای پردازش بیشتر به مرحله‌ی بعدی فرستاده می‌شوند.


بدون دیدگاه

دسته‌بندی