Document classification: For docume

Document classification: For document classification we propose the use of k-Nearest Neighbour classification (kNN). This is a simple method. If you insert a test document into the system, the system finds the knearest neighbours among the profile documents. It uses the categories of the k neighbours to weight the category of the test document. Referring to the
examination of YANG and LIU, the kNN (using the cosine similarity on document vectors) is one of the best methods for text categorization [Yang 1999]. This paper describes our work which is still in progress. At present, we do not have enough qualified data to run optimizations on parameters of the kNN. Thus, the kNN is future work and will not be discussed in this
paper in more detail

ผลลัพธ์ (ไทย) 2:

การจัดหมวดหมู่เอกสาร: สำหรับการจัดหมวดหมู่เอกสารเรานำเสนอการใช้งานของการจัดหมวดหมู่เพื่อนบ้าน k-ที่ใกล้ที่สุด (kNN) นี่คือวิธีการที่ง่าย ถ้าคุณใส่เอกสารการทดสอบในระบบระบบพบว่าเพื่อนบ้าน knearest หมู่เอกสารรายละเอียด จะใช้ประเภทของเพื่อนบ้านเคน้ำหนักประเภทของเอกสารการทดสอบ หมายถึงการตรวจสอบยางและหลิวที่ kNN (โดยใช้ความคล้ายคลึงกันในโคไซน์พาหะเอกสาร) เป็นหนึ่งในวิธีการที่ดีที่สุดสำหรับการจัดหมวดหมู่ข้อความ [ยาง 1999]
กระดาษนี้จะอธิบายการทำงานของเราซึ่งยังคงอยู่ในความคืบหน้า ในปัจจุบันเราไม่ได้มีข้อมูลที่มีคุณสมบัติเพียงพอที่จะใช้ในการเพิ่มประสิทธิภาพพารามิเตอร์ของ kNN ดังนั้น kNN
เป็นผลงานในอนาคตและจะไม่ได้รับการกล่าวถึงในนี้กระดาษในรายละเอียดเพิ่มเติม

ผลลัพธ์ (ไทย) 3:

ประเภทเอกสาร : ประเภทเอกสารที่เราเสนอการใช้หมวดหมู่เพื่อนบ้านละ ( knn ) วิธีนี้เป็นวิธีง่าย ๆ ถ้าคุณแทรกเอกสารทดสอบเข้าระบบ ระบบพบว่าเพื่อนบ้าน knearest ระหว่างโพรไฟล์เอกสาร ใช้ประเภทของ K เพื่อนบ้านน้ำหนักประเภทของการทดสอบเอกสาร หมายถึง
สอบหยางหลิวจาก knn ( ใช้โคไซน์ความเหมือนบนเวกเตอร์เอกสาร ) เป็นหนึ่งในวิธีการที่ดีที่สุดสำหรับการจัดหมวดหมู่ข้อความ [ หยาง 2542 ] กระดาษนี้จะอธิบายถึงการทำงานของเราซึ่งยังอยู่ในความคืบหน้า ปัจจุบันเราไม่ได้มีข้อมูลเพียงพอเพื่อใช้เพิ่มประสิทธิภาพในพารามิเตอร์ที่เหมาะสมของ knn . ดังนั้น , knn งานในอนาคตและจะไม่กล่าวถึงในบทความนี้
ในรายละเอียดเพิ่มเติม