This paper proposes a new associati

This paper proposes a new association rule-based text classifier algorithm to improve the prediction accuracy of Association Rule-based Classifier By Categories (ARC-BC) algorithm. Unlike the previous algorithms, the proposed association rule generation algorithm constructs two types of frequent itemsets. The first frequent itemsets, i.e. Lk, contain all term that have no an overlap with other categories. The second frequent itemsets, i.e. OLk, contain all features that have an overlap with other categories. In addition, this paper also proposes a new join operation for the second frequent itemsets. The experimental results are shown a good performance of the proposed classifier

ผลลัพธ์ (ไทย) 1:

เอกสารนี้นำเสนอความใหม่ความสัมพันธ์ตามกฎข้อ classifier อัลกอริทึมเพื่อปรับปรุงความแม่นยำของการคาดเดาของอัลกอริทึมตามกฎสมาคม Classifier ตามประเภท (ARC-BC) ซึ่งแตกต่างจากกระบวนการก่อนหน้า สมาคมเสนอกฎสร้างอัลกอริทึมสร้างสองชนิด itemsets บ่อย Itemsets เป็นแรก เช่นแอล ประกอบด้วยคำทั้งหมดที่ไม่มีการทับซ้อนกับประเภทอื่น ๆ Itemsets บ่อยครั้งสอง เช่น OLk ประกอบด้วยคุณลักษณะทั้งหมดที่มีการทับซ้อนกับประเภทอื่น ๆ นอกจากนี้ กระดาษนี้ยังเสนอการดำเนินงานรวมใหม่สำหรับ itemsets บ่อยครั้งที่สอง ผลการทดลองแสดงประสิทธิภาพที่ดีของ classifier เสนอ

ผลลัพธ์ (ไทย) 2:

กระดาษนี้นำเสนอขั้นตอนวิธีลักษณนามข้อความตามกฎของสมาคมใหม่เพื่อปรับปรุงความถูกต้องคาดการณ์ของสมาคมลักษณนามกฎตามประเภท (ARC-BC) อัลกอริทึม ซึ่งแตกต่างจากขั้นตอนวิธีการก่อนหน้านี้กฎสมาคมเสนอขั้นตอนวิธีการสร้างรุ่นสองประเภทของ itemsets บ่อย itemsets บ่อยครั้งแรกคือแอลเค, มีคำทั้งหมดที่ไม่มีการทับซ้อนกับประเภทอื่น ๆ itemsets บ่อยที่สองคือ OLK, มีคุณลักษณะทั้งหมดที่มีการทับซ้อนกับประเภทอื่น ๆ นอกจากนี้งานวิจัยนี้ยังได้นำเสนอการดำเนินการเข้าร่วมใหม่สำหรับ itemsets บ่อยครั้งที่สอง ผลการทดลองจะแสดงประสิทธิภาพที่ดีของลักษณนามเสนอ

ผลลัพธ์ (ไทย) 3:

บทความนี้เสนอสมาคมใหม่กฎข้อความลักษณนามทำนายความถูกต้องของขั้นตอนวิธีการปรับปรุงกฎสมาคมตามแบบตามประเภท ( arc-bc ) ขั้นตอนวิธี ซึ่งแตกต่างจากวิธีการเดิมที่เสนอ กฎของสมาคมรุ่นสร้างสองประเภทของเซตรายการความถี่ . แรก itemsets บ่อยเช่น lk ,มีระยะเวลาที่ไม่มีการทับซ้อนกับประเภทอื่น ๆ 2 itemsets บ่อย คือ olk ประกอบด้วยคุณลักษณะทั้งหมดที่มีความซ้ำซ้อนกับประเภทอื่น ๆ นอกจากนี้บทความนี้ยังนำเสนอการดำเนินงานเข้าร่วมใหม่สำหรับสองบ่อย itemsets . ผลการทดลองจะแสดงประสิทธิภาพที่ดีของการนำเสนอแบบ