روشي نوين براي شناسايي نويسنده متون با تركيب الگوريتم‌هاي بهينه‌سازي توده ذرات و ماشين بردار پشتيبان

تشخيص هوشمند نويسنده متون در زمينه‌هاي جرم‌شناسي داراي كاربردهاي فراواني مي‌باشد اما به دليل اين‌كه عوامل بسياري در تشخيص نويسنده متون دخيل مي‌باشند، نمي‌توان به‌طور دقيق و مطمئن نويسندگان متون را تشخيص داد. از اين رو تحقيقات بسياري در اين زمينه از قرن نوزدهم صورت گرفته است اما تاكنون روشي با دقت 100 درصد براي تمامي متون ارائه نشده است و محققان هر روزه روش‌هاي جديدي را ارايه مي‌دهند تا به دقت 100 درصد نزديك بشوند. در اين مقاله براي حل اين مسئله از تركيب الگوريتم بهينه‌سازي توده ذرات و الگوريتم ماشين بردار پشتيبان استفاده شده است كه از الگوريتم بهينه‌سازي توده ذرات به‌عنوان الگوريتم استخراج‌كننده ويژگي و از الگوريتم ماشين بردار پشتيبان به‌عنوان تشخيص‌دهنده نويسندگان استفاده شده است. ارزيابي برروي مجموعه داده Reuter_50_50 انجام شده است. در روش پيشنهادي پس از استخراج ويژگي‌ها، داده‌ها با نسبت 80 به 20 به داده‌هاي آموزشي و آزمايشي تقسيم مي‌شوند. مجموعه ‌داده‌هاي آموزشي به‌عنوان ورودي به الگوريتم ماشين بردار پشتيبان داده مي‌شوند و پس از آموزش ديدن توسط ماشين بردار پشتيبان، مدل مناسب ساخته مي‌شود و سپس مجموعه ‌داده‌هاي آزمايشي براساس مدل ساخته شده، اعتبارسنجي مي‌شوند. تقسيم‌بندي داده‌ها در حالت 80 (آموزش) درصد و 20 (آزمايشي) درصد بهترين نتيجه را داشته است. نتايج برمبناي معيارهاي دقت و فراخواني نشان مي‌دهد كه دقت تشخيص مدل پيشنهادي در مقايسه با مدل ماشين بردار پشتيبان بيشتر است.