Mejora de la precisión de clasificación de los clasificadores de texto automatizados
Versandkostenfrei!
Versandfertig in 1-2 Wochen
26,99 €
inkl. MwSt.
PAYBACK Punkte
13 °P sammeln!
El número de documentos textuales está aumentando a un ritmo increíble y, muy a menudo, existe la necesidad de clasificar esos documentos en algunas categorías fijas predefinidas. Los conceptos de minería de textos y aprendizaje automático ayudan mucho en esta tarea de clasificación automática de documentos. Dado que la clasificación se realiza de forma automática, el clasificador debe ser bueno para que haya el menor número posible de errores de clasificación. Por lo tanto, la precisión de la clasificación es muy importante y hay que cuidarla. Hay varios factores que pueden afec...
El número de documentos textuales está aumentando a un ritmo increíble y, muy a menudo, existe la necesidad de clasificar esos documentos en algunas categorías fijas predefinidas. Los conceptos de minería de textos y aprendizaje automático ayudan mucho en esta tarea de clasificación automática de documentos. Dado que la clasificación se realiza de forma automática, el clasificador debe ser bueno para que haya el menor número posible de errores de clasificación. Por lo tanto, la precisión de la clasificación es muy importante y hay que cuidarla. Hay varios factores que pueden afectar a la precisión de la clasificación de los clasificadores. Uno de los factores es el método de selección de características utilizado para reducir el número de características en los documentos. La ganancia de información (IG) es uno de los métodos más populares empleados para esta tarea, pero este método presenta algunas deficiencias a la hora de evaluar las mejores palabras. En nuestro trabajo, hemos ideado una nueva fórmula para evaluar las palabras de los documentos y así encontrar las mejores palabras que son más útiles en la tarea de clasificación. Nuestro método tiene como objetivo encontrar las palabras que tienen más poder de discriminación que otras y, por lo tanto, hemos llamado a nuestra fórmula Poder de Discriminación (DP).
Andere Kunden interessierten sich für
