ارائه روشی برای کاهش حساسیت الگوریتم های خوشه بندی افزایشی اسناد XML مبتنی بر الگوریتم های هوش دسته جمعی

تاکنون روش های مختلفی برای ذخیره سازی و بازیابی اطلاعات اسناد نیمه ساخت یافته ارائه شده است که بیشتر آنها در دو گروه با رهیافت دسته ای و افزایشی قرار می گیرند. در رهیافت دسته ای یا خوشه ای فرض بر این است که کل اسناد قابل دسترسی و خوشه بندی است و اسناد می توانند چندین بار مورد پردازش قرار گیرند که باعث افزایش زمان اجرای اینگونه الگوریتم ها می شود. در رهیافت افزایشی کل اسناد تماما یک جا وجود ندارند بلکه به مرور زمان در اختیار روش دسته بندی قرار می گیرد که از این نظر زمان اجرای اینگونه الگوریتم ها نسبت به روش دسته ای کمتر و در نتیجه سرعت اجرای آنها بیشتر است. در این پژوهش روش پیشنهادی ما با روش هایXCLS و XCLS+ در سه معیار ارزیابی Entropy، Purity و Fscore مورد مقایسه قرار گرفت. نتایج نشان داد روش پیشنهادی در معیارهای Entropy، Purity و Fscore نسبت به دو روش XCLS و XCLS+ ارجحیت دارد و فقط در معیار Fscore نسبت به روش XCLS+ اندکی کارایی کمتری از خود نشان می دهد.