• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE Intelligence and Security Informatic >FACT: Fast Algorithm for Categorizing Text
【24h】

FACT: Fast Algorithm for Categorizing Text

机译：事实：对文本进行分类的快速算法

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

With the ever-increasing number of digital documents, the ability to automatically classify those documents both quickly and accurately is becoming more critical and difficult. We present Fast Algorithm for Categorizing Text (FACT), which is a statistical based multi-way classifier with our proposed feature selection, Ambiguity Measure (AM), which uses only the most unambiguous keywords to predict the category of a document. Our empirical results show that FACT outperforms the best results on the best performing feature selection for the Na茂ve Bayes classifier namely, Odds Ratio. We empirically show the effectiveness of our approach in outperforming Odds Ratio using four benchmark datasets with a statistical significance of 99% confidence level. Furthermore, the performance of FACT is comparable or better than current non-statistical based classifiers.
机译：随着越来越多的数字文档数量，能够快速准确地自动对这些文档进行分类，变得更加重要和困难。我们呈现了用于对文本（事实）进行分类的快速算法，这是一种具有我们所提出的特征选择，歧义度量（AM）的统计的多向分类器，其仅使用最明确的关键字来预测文档的类别。我们的经验结果表明，事实上优于NA ve贝叶斯分类器的最佳表现特征选择的最佳结果即，赔率比。我们经验展示了我们使用四个基准数据集的差异比率，统计显着性达到99％的置信水平。此外，事实的性能比目前的非统计基础分类器相当或更好。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号