As an important preprocessing techn

As an important preprocessing technology in text classification, feature selection can improve the scalability,
efficiency and accuracy of a text classifier. In general, a good feature selection method should consider
domain and algorithm characteristics. As the Naïve Bayesian classifier is very simple and efficient
and highly sensitive to feature selection, so the research of feature selection specially for it is significant.
This paper presents two feature evaluation metrics for the Naïve Bayesian classifier applied on multiclass
text datasets: Multi-class Odds Ratio (MOR), and Class Discriminating Measure (CDM). Experiments
of text classification with Naïve Bayesian classifiers were carried out on two multi-class texts collections.
As the results indicate, CDM and MOR gain obviously better selecting effect than other feature selection
approaches.

ผลลัพธ์ (ไทย) 2:

ในฐานะที่เป็นเทคโนโลยีการประมวลผลเบื้องต้นที่สำคัญในการจัดหมวดหมู่ข้อความ, การเลือกคุณลักษณะสามารถปรับปรุง scalability,
ประสิทธิภาพและความถูกต้องของลักษณนามข้อความ โดยทั่วไปวิธีการเลือกคุณลักษณะที่ดีควรพิจารณา
ลักษณะโดเมนและขั้นตอนวิธี ในฐานะที่เป็นลักษณนาม Bayesian ไร้เดียงสาเป็นเรื่องง่ายมากและมีประสิทธิภาพ
. และมีความสำคัญอย่างมากในการเลือกคุณลักษณะดังนั้นการวิจัยของการเลือกคุณลักษณะพิเศษสำหรับมันเป็นสิ่งสำคัญ
บทความนี้นำเสนอการประเมินผลตัวชี้วัดสองคุณลักษณะสำหรับลักษณนาม Bayesian ไร้เดียงสานำมาใช้ใน multiclass
ชุดข้อมูลข้อความ: หลายระดับ ราคาต่อรองอัตรา (MOR) และคลาสจำแนกวัด (CDM) การทดลอง
ของการจำแนกแยกแยะข้อความที่มีคชกรรมไร้เดียงสาได้ดำเนินการในสองคอลเลกชันข้อความหลายชั้น.
ในฐานะที่เป็นผลการระบุ CDM และ MOR ได้ชัดดีกว่าผลกระทบการเลือกคุณลักษณะตัวเลือกอื่น ๆ
วิธี

ผลลัพธ์ (ไทย) 3:

เป็นเทคโนโลยีที่สำคัญในการจำแนกข้อความติดกัน การเลือกคุณลักษณะที่สามารถปรับปรุง scalability ,
ประสิทธิภาพและความถูกต้องของข้อความลักษณนาม ทั่วไป เป็นคุณสมบัติที่ดี ควรพิจารณาเลือกวิธี
โดเมนและคุณลักษณะขั้นตอนวิธี เป็น นาเบลักษณนามเป็นไตได้ง่าย และมีประสิทธิภาพมากและมีความไวสูง
เลือกดังนั้นวัตถุประสงค์ของการเลือกคุณลักษณะพิเศษสำหรับมันเป็นสิ่งสำคัญ .
บทความนี้นำเสนอการประเมินสองคุณลักษณะเมตริกสำหรับ na ไตได้แบบใช้กับข้อมูลแบบข้อความหลายต่อหลายอัตราต่อรอง
คลาส ( MOR ) และวัดระดับค่า ( CDM ) การทดลอง
ข้อความการจำแนกด้วยนา ไตส์ คำลักษณนามได้ทดลองสองมัลติคลาส
ข้อความคอลเลกชันผลที่ได้รับอย่างชัดเจนและระบุโดยเลือกดีกว่า มีผลกว่าแนวทางการคัดเลือก
คุณลักษณะอื่น ๆ