Améliorer la précision de classification des classificateurs automatiques de texte

ISBN-13: 9786204993713 / Francuski / Miękka / 52 str.

Shivam Rastogi

Opis

Le nombre de documents textuels augmente à une vitesse incroyable et, très souvent, il est nécessaire de classer ces documents dans des catégories fixes prédéfinies. Les concepts de text mining et d'apprentissage automatique sont d'une grande aide dans cette tâche de classification automatique des documents. Puisque la classification est effectuée automatiquement, le classificateur doit être un bon classificateur afin qu'il y ait le moins d'erreurs de classification possible. Par conséquent, la précision de la classification est très importante et doit être prise en compte. Plusieurs facteurs peuvent affecter la précision de classification des classificateurs. L'un de ces facteurs est la méthode de sélection des caractéristiques utilisée pour réduire le nombre de caractéristiques dans les documents. Le gain d'information (IG) est l'une des méthodes les plus populaires utilisées pour cette tâche, mais cette méthode d'évaluation des meilleurs mots présente quelques lacunes. Dans notre travail, nous avons conçu une nouvelle formule pour évaluer les mots dans les documents et ainsi trouver les meilleurs mots qui sont plus utiles dans la tâche de classification. Notre méthode vise à trouver les mots qui ont un pouvoir de discrimination plus élevé que les autres et, par conséquent, nous avons nommé notre formule "pouvoir de discrimination" (DP).

O autorze

Shivam Rastogi, travaille actuellement comme ingénieur en développement logiciel chez Amazon India. J'ai étudié la maîtrise de technologie en informatique à l'Université technologique de Delhi, à Delhi. J'ai des intérêts de recherche dans les domaines de l'exploration de données et de l'apprentissage automatique, et j'ai donc travaillé sur les classificateurs de texte automatisés qui utilisent ces concepts.