Abstract:
رده‌بندی متون پژوهشی به‌منظور شناسایی و تحلیل عرضه و تقاضای پژوهشی در حوزه‌های مختلف علوم اهمیت ویژه‌ای دارد. در این میان رده‌بندی پژوهش‌های حوزه محیط‌زیست به‌دلیل اهمیت فراوان آن در کشور و نیز میان‌رشته‌ای بودن آن ضروری است. این پژوهش روش رده‌بندی تک‌رده‌ای متون پژوهشی این حوزه را با استفاده از ماشین بردار پشتیبان ارائه می‌دهد و به ارزیابی پارامترهای مهم تأثیرگذار در کیفیت این رده‌بندی می‌پردازد. نتایج نشان می‌دهد که استفاده از مجموعه داده هسته توصیفی در یادگیری مدل،کارایی بهتری نسبت به هسته محتوایی دارد. همچنین، استفاده از هسته چندجمله‌ای و وزن‌دهی دودویی واژه‌ها در ماتریس بردار ویژگی‌ها نتایج بهتری نسبت به حالت‌های معمول دیگر ارائه می‌کند. در این مطالعه، روش جدید وزن‌دهی با نام NG-TF معرفی و ارائه شده است که نتایج ارزیابی آن نسبت به روش‌های دیگر، به‌ویژه در معیار دقت، برتری قابل‌توجهی دارد. از این رو، می‌توان از این روش وزن‌دهی برای تعیین واژگان نماینده یک حوزه پژوهشی استفاده کرد.
The classification of research studies is important in order to identify and analyze the research supply and demand in various fields of science. In particular, the classification of environmental research is essential because of its importance in Iran and its interdisciplinary nature. This research proposes One-Class Classification (OCC) method to classify the research studies in this domain using Support Vector Machine (SVM) and consequently evaluates important parameters affecting the quality of this classification. The results show that the use of descriptive metadata has better performance than the content metadata in order to make a core data set to learn the model. Moreover, the use of the polynomial kernel and the binary weighing of words in the features vector matrix leads to better results than other states. In this paper a new weighing method has been proposed which is superior to the other methods especially in precision criterion. We call this weighing method as NG-TF, which can be used in term-document matrix to determine the indicator terms of scientific domains.
(
, 
, 
)
