fa تشخیص خودکار جنسیت نویسنده در متون فارسی مقالات پردازش متن Paper پژوهشي Research <p>با گسترش روز افزون استفاده از اینترنت، شاهد تبادل هزاران گیگابایت اطلاعات متنی در فضای مجازی هستیم. فضای سایبر این امکان را به اشخاص می‌دهد که هویت حقیقی خود را مخفی کنند و با هویت ساختگی جدیدی وارد آن شوند. از این‌رو اهمیت حفظ امنیت این فضا، کنترل بر محتوای تولید شده توسط کاربران و شناسایی مشخصات تولیدکنندگان محتوا هر روز پررنگتر می‌شود. موضوع مورد بررسی در این تحقیق که مربوط به حوزه‌ شناسایی نویسنده می‌باشد، شناسایی خودکار جنسیت نویسنده متن فارسی است. به منظور شناسایی جنسیت، با توجه به مطالعات زبان-روانشناختی صورت گرفته، 48 ویژگی روان‌شناختی و سبک شناسی تعریف شد. دو پیکره متنی جهت آموزش طبقه بندها تهیه شد و سپس برای شناسایی جنسیت، سه الگوریتم یادگیری ماشینی مختلف (ماشین بردار پشتیبان، بیز ساده و درخت تصمیم) طراحی شد. نتایج اعتبارسنجی متقابل10تایی نشان داد که بیشترین دقت مربوط به طبقهبند درخت تصمیم با دقت %73.8 است.</p> <p>Gigantic amount of textual data being transfers in web everyday. like other communities,cyberspace is vulnerable to attacks, false information and deception.it becomes increasingly important to design an efficient method to trace identity in this community.to investigate the problem of gender identification,we propose 48 feature,and design three machine learning algorithms.the results of study showed that ADtree classifier had accuracy up to 73.8%.</p> تشخیص جنسیت, شناسایی نویسنده, متن کاوی ,gender identification,author identification,text mining 83 94 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-338-1&slc_lang=fa&sid=1 مهدی مرادی meh_mor2003@yahoo.com 10031947532846002471 10031947532846002471 Yes مرکز زبان ها و زبان شناسی، دانشگاه صنعتی شریف، تهران، ایران محمد بحرانی bahrani@sharif.edu 10031947532846002472 10031947532846002472 No دانشگاه صنعتی شریف