بررسی معیارهای دسته بندی متن بر روی سه دسته بندNaive Bayes و J و 48 SVM
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 944
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCECN01_040
تاریخ نمایه سازی: 7 بهمن 1393
Abstract:
در این مقاله سه دسته بند ماشین بردار پشتیبان، درخت تصمیم و بیز ساده در مرحله ی یادگیری مورد استفاده قرار گرفته اند وکارایی آنها با استفاده از معیار های دسته بندی متن شامل دقت، فراخوانی، F-Measure، درستی و خطای دسته بندی مورد مقایسه قرار گرفته است. ارزیابی انجام شده بر روی مجموعه داده های اخبار رویترز_21578 بوده و نتایج حاصل از دسته بندی توسط این الگوریتم ها نشان دهنده ی بهینه تر بودن معیار های ارزیابی توسط دسته بند SVM نسبت به J48 و Naive Bayes بوده است.
Keywords:
Authors
معصومه علی نژاد
دانشجوی کارشناسی ارشد،گروه کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات خوزستان، اهواز، ایران.
ایمان عطارزاده
استادیار و عضو هیئت علمی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد دزفول، دزفول، ایران
ابراهیم بهروزیان نژاد
استادیار و عضو هیئت علمی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد شوشتر، شوشتر، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :