Wyszukiwarka
Abstrakt
In this paper, we describe five features selection techniques used for a text classification. An information gain, independent significance feature test, chi-squared test, odds ratio test, and frequency filtering have been compared according to the text benchmarks based on Wikipedia. For each method we present the results of classification quality obtained on the test datasets using K-NN based approach. A main advantage of evaluated approach is reducing the dimensionality of the vector space that allows to improve effectiveness of classification task. The information gain method, that obtained the best results, has been used for evaluation of features selection and classification scalability. We also provide the results indicating the feature selection is also useful for obtaining the commonsense features for describing natural-made categories.
Cytowania
-
2
CrossRef
-
0
Web of Science
-
3
Scopus
Autorzy (4)
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Aktywność konferencyjna
- Typ:
- materiały konferencyjne indeksowane w Web of Science
- Tytuł wydania:
- Artificial Intelligence and Soft Computing. - Part 2 strony 477 - 488
- Język:
- angielski
- Rok wydania:
- 2013
- Opis bibliograficzny:
- Balicki J., Krawczyk H., Rymko Ł., Szymański J..: Selection of Relevant Features for Text Classification with K-NN, W: Artificial Intelligence and Soft Computing. - Part 2, 2013, Springer,.
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1007/978-3-642-38610-7_44
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 122 razy
Publikacje, które mogą cię zainteresować
Text Categorization Improvement via User Interaction
- J. Atroszko,
- J. Szymański,
- D. Gil
- + 1 autorów