This paper works on feature weighting approaches for naive Bayes text classifiers. Almost all existing feature weighting approaches for naive Bayes text classifiers have some defects: limited improvement to classification performance of naive Bayes text classifiers or sacrificing the simplicity and execution time of the final models. In fact, feature weighting is not new for machine learning community, and many researchers have made fruitful efforts in the field of feature weighting. This paper reviews some simple and efficient feature weighting approaches designed for standard naive Bayes classifiers, and adapts them for naive Bayes text classifiers. As a result, this paper proposes two adaptive feature weighting approaches for naive Bayes text classifiers. Experimental results based on benchmark and real-world data show that, compared to their competitors, our feature weighting approaches show higher classification accuracy, yet at the same time maintain the simplicity and lower execution time of the final models

چکیده

این مقاله بر روی روش های وزن دهی به عارضه برای طبقه بندی های متنی نایو بیز کار می کند. تقریباً تمامی روش های موجود برای وزن دهی به عارضه برای طبقه بند های متنی نایو بیز دارای نواقصی هستند: اصلاح مقید و محدودِ عملکرد طبقه بندی برای طبقه بند های متنی نایو بیز یا از دست دادن سادگی و زمان اجرای مدلهای نهایی. درحقیقت، وزن دهی به عارضه برای محیط یادگیری ماشین چیز جدید نیست و بسیاری از محققان تلاشهایی ثمربخش در حوزه وزن دهی به عارضه انجام داده اند. این مقاله برخی روش های ساده و موثر برای وزن دهی به عارضه را – که برای طبقه بند های استانداردِ نایو بیز طراحی شده - مورد بازبینی قرار می دهد و آنها را برای طبقه بند های متنی نایو بیز سازگار می سازد. درنتیجه، این مقاله دو روش سازگار برای وزن دهی به عارضه برای طبقه بند های متنی نایو بیز مطرح می کند. نتایج آزمایشی براساس داده های مبنا و داده های جهان حقیقی، نشان می دهند که روش های ما در وزن دهی به عارضه در مقایسه با نظایز آنها، صحت طبقه بندی بالاتری نشان می دهند، و در عین حال، سادگی و زمان اجرایی کمتر را برای مدلهای نهایی حفظ می کنند.

1-مقدمه

در سالهای اخیر، رشد نماییِ فایل های نوشتاری متنی برروی اینترنت، کتابخانه های دیجیتال، و دیگر حوزه ها، نوجه بسیاری از دانشجویان را به خود جلب کرده است. عملِ طبقه بندی خودکار متن، تخصیص نوشتارهای متنی به کلاسهای ازپیش تعیین شده می باشد، که وظیفه ای مهم در بازیابی اطلاعات دارد. طبقه بندی متن بدلیل تعداد زیادِ عارضه ها، تعداد زیاد فایل های نوشتاری و وابستگی شدید میان عارضه ها، بیانگر چالش های منحصربفردی می باشد. برای انجام امور مربوطه به طبقه بندیِ متن، اسناد نوشتاری با استفاده از کلماتی مشخص می شوند که در آنها ظاهر می شوند...