تصنيف النص الإنجليزي باستخدام الخوارزمية العودية المحسنة لإزالة الخواص (IRFE)
Ahmed H. Aliwy Esraa H. Al-Ameer Esraa H. Al-Ameer, أحمد عليوي · مجلة العلوم الهندسية و تكنولوجيا المعلومات · 2020
يُعدّ تصنيف المستندات من أهم مجالات معالجة اللغات الطبيعية واستخراج البيانات النصية. وتتوفر العديد من الخوارزميات لهذه المهمة. تركز هذه الورقة البحثية على تحسين تصنيف النصوص من خلال اختيار الميزات. ويعني هذا تحديد بعض الميزات الأصلية دون التأثير على دقة العمل، حيث نقترح طريقة جديدة لاختيار الميزات، والتي يمكن صياغتها بشكل عام وتقديم نموذج رياضي لها، وهي طريقة الاستبعاد المتكرر للميزات (RFE). تمت مقارنة الطريقة المستخدمة مع طريقتين معروفتين لاختيار الميزات: اختبار مربع كاي واختبار العتبة. أثبتت النتائج أن الطريقة الجديدة تُضاهي الطرق الأخرى، حيث بلغت أفضل النتائج 83% عند استخدام 60% من الميزات، و82% عند استخدام 40% منها، و82% عند استخدام 20% منها. أُجريت الاختبارات باستخدام خوارزميتي التصنيف: بايز الساذج (NB) وشجرة القرار (DT)، حيث تتكون مجموعة البيانات المستخدمة من مجموعة بيانات إنجليزية معروفة بعنوان "20 newsgroups text" تضم حوالي 18846 ملفًا. أظهرت النتائج أن طريقة اختيار الميزات المقترحة لدينا قابلة للمقارنة مع طريقة مربع كاي القياسية.