Two Stage SVM and kNN Text Documents Classifier - Publikacja - MOST Wiedzy

Wyszukiwarka

Two Stage SVM and kNN Text Documents Classifier

Abstrakt

The paper presents an approach to the large scale text documents classification problem in parallel environments. A two stage classifier is proposed, based on a combination of k-nearest neighbors and support vector machines classification methods. The details of the classifier and the parallelisation of classification, learning and prediction phases are described. The classifier makes use of our method named one-vs-near. It is an extension of the one-vs-all approach, typically used with binary classifiers in order to solve multiclass problems. The experiments were performed on a large scale dataset, with use of many parallel threads on a supercomputer. Results of the experiments show that the proposed classifier scales well and gives reasonable quality results. Finally, it is shown that the proposed method gives better performance compared to the traditional approach.

Cytowania

  • 3

    CrossRef

  • 0

    Web of Science

  • 5

    Scopus

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

Informacje szczegółowe

Kategoria:
Aktywność konferencyjna
Typ:
publikacja w wydawnictwie zbiorowym recenzowanym (także w materiałach konferencyjnych)
Tytuł wydania:
Pattern Recognition and Machine Intelligence strony 279 - 289
Język:
angielski
Rok wydania:
2015
Opis bibliograficzny:
Kępa M., : Two Stage SVM and kNN Text Documents Classifier// Pattern Recognition and Machine Intelligence/ : , 2015, s.279-289
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1007/978-3-319-19941-2_27
Weryfikacja:
Politechnika Gdańska

wyświetlono 19 razy

Publikacje, które mogą cię zainteresować

Meta Tagi