Tìm kiếm
Đang tải khung tìm kiếm
Kết quả 1 đến 1 của 1

    THẠC SĨ Phân loại văn bản với máy học Vector hỗ trợ và cây quyết định

    D
    dream dream Đang Ngoại tuyến (18524 tài liệu)
    .:: Cộng Tác Viên ::.
  1. Gửi tài liệu
  2. Bình luận
  3. Chia sẻ
  4. Thông tin
  5. Công cụ
  6. Phân loại văn bản với máy học Vector hỗ trợ và cây quyết định

    52
    PHÂN LOẠI VĂN BẢN VỚI MÁY HỌC VECTOR HỖ TRỢ
    VÀ CÂY QUYẾT ĐỊNH
    Trần Cao Đệ và Phạm Nguyên Khang 1
    ABSTRACT
    Text document classification, basically, can be considered as a classification problem.
    Automatic text document classification is to assign a label to a new document based on
    the similarity of the document with labeled documents in the training set. Many machine
    learning and data mining methods have been applied in text document classification such
    as: Naive Bayes, decision tree, k – Nearest neighbor, neural network,
    Support vector machine (SVM) is an efficient classification algorithm. It has been applied
    to machine learning and recognition field. However, it is still not efficient in applying to
    text document classification because, by the nature, this problem often deals with a large
    feature space. This paper focuses on applying SVM to text document classification and
    compares the efficiency of the method with the one of decision tree, a traditional
    classification algorithm. The research illustrates that SVM along with the feature
    selection based on the singular value decomposition (SVD) is much better than decision
    tree method.
    Keywords: Decision tree, Support vector machine (SVM), text document classification,
    single value decomposition (SVD)
    Title: Text document classification with support vector machine and decision tree
    TÓM TẮT
    Bài toán phân loại văn bản, thực chất, có thể xem là bài toán phân lớp. Phân loại văn
    bản tự động là việc gán các nhãn phân loại lên một văn bản mới dựa trên mức độ tương
    tự của văn bản đó so với các văn bản đã được gán nhãn trong tập huấn luyện. Nhiều kỹ
    thuật máy học và khai phá dữ liệu đã được áp dụng vào bài toán phân loại văn bản,
    chẳng hạn: phương pháp quyết định dựa vào Bayes ngây thơ (Naive Bayes), cây quyết
    định (decision tree), k–láng giềng gần nhất (KNN), mạng nơron (neural network),
    Máy học vectơ hỗ trợ (SVM) là một giải thuật phân lớp có hiệu quả cao và đã được áp
    dụng nhiều trong lĩnh vực khai phá dữ liệu và nhận dạng. Tuy nhiên SVM chưa được áp
    dụng một cách có hiệu quả vào phân loại văn bản vì đặc điểm của bài toán phân loại văn
    bản là không gian đặc trưng thường rất lớn. Bài viết này nghiên cứu máy học vector hỗ
    trợ (SVM), áp dụng nó vào bài toán phân loại văn bản và so sánh hiệu quả của nó với
    hiệu quả của giải thuật phân lớp cổ điển, rất phổ biến đó là cây quyết định. Nghiên cứu
    chỉ ra rằng SVM với cách lựa chọn đặc trưng bằng phương pháp tách giá trị đơn (SVD)
    cho kết quả tốt hơn so với cây quyết định.
    Từ khóa: Cây quyết định, máy học vector hỗ trợ, phân loại văn bản, tách giá trị đơn
    1 GIỚI THIỆU BÀI TOÁN PHÂN LOẠI VĂN BẢN
    Phân loại văn bản là một bài toán xử lí văn bản cổ điển, đó là ánh xạ một văn bản
    vào một chủ đề đã biết trong một tập hữu hạn các chủ đề dựa trên ngữ nghĩa của
    văn bản. Ví dụ một bài viết trong một tờ báo có thể thuộc một (hoặc một vài) chủ

    1 Khoa Công nghệ Thông tin & Truyền thông, Trường Đại học Cần Thơ Tạp chí Khoa học 2012:21a 52-63 Trường Đại học Cần Thơ
    53
    đề nào đó (như thể thao, sức khỏe, công nghệ thông tin, ). Việc tự động phân loại
    văn bản vào một chủ đề nào đó giúp cho việc sắp xếp, lưu trữ và truy vấn tài liệu
    dễ dàng hơn về sau.
    Đặc điểm nổi bật của bài toán này là sự đa dạng của chủ đề văn bản và tính đa chủ
    đề của văn bản. Tính đa chủ đề của văn bản làm cho sự phân loại chỉ mang tính
    tương đối và có phần chủ quan, nếu do con người thực hiện, và dễ bị nhập nhằng
    khi phân loại tự động. Rõ ràng một bài viết về Giáo dục cũng có thể xếp vào Kinh
    tế nếu như bài viết bàn về tiền nong đầu tư cho giáo dục và tác động của đầu tư
    này đến kinh tế - xã hội. Về bản chất, một văn bản là một tập hợp từ ngữ có liên
    quan với nhau tạo nên nội dung ngữ nghĩa của văn bản. Từ ngữ của một văn bản là
    đa dạng do tính đa dạng của ngôn ngữ (đồng nghĩa, đa nghĩa, từ vay mượn nước
    ngoài, ) và số lượng từ cần xét là lớn. Ở đây cần lưu ý rằng, một văn bản có thể
    có số lượng từ ngữ không nhiều, nhưng số lượng từ ngữ cần xét là rất nhiều vì phải
    bao hàm tất cả các từ của ngôn ngữ đang xét.
    Trên thế giới đã có nhiều công trình nghiên cứu đạt những kết quả khả quan, nhất
    là đối với phân loại văn bản tiếng Anh. Tuy vậy, các nghiên cứu và ứng dụng đối
    với văn bản tiếng Việt còn nhiều hạn chế do khó khăn về tách từ và câu. Có thể liệt
    kê một số công trình nghiên cứu trong nước với các hướng tiếp cận khác nhau cho
    bài toán phân loại văn bản, bao gồm: phân loại với máy học vectơ hỗ trợ [1], cách
    tiếp cận sử dụng lý thuyết tập thô [2], cách tiếp cận thống kê hình vị [3], cách tiếp
    cận sử dụng phương pháp học không giám sát và đánh chỉ mục [4], cách tiếp cận
    theo luật kết hợp [5]. Theo các kết quả trình bày trong các công trình đó thì những
    cách tiếp cận nêu trên đều cho kết quả khá tốt. Tuy nhiên khó có thể so sánh các
    kết quả ở trên với nhau vì tập dữ liệu thực nghiệm của mỗi phương pháp là khác
    nhau. Bài viết này so sánh hiệu quả của hai cách tiếp cận phân loại văn bản: phân
    loại với giải thuật cây quyết định và phân loại với máy học vector hỗ trợ kết hợp
    với phân tích giá trị đơn (SVD).
    Theo cả hai cách tiếp cận này, trước hết, văn bản được coi như là một tập hợp các
    từ. Để thực hiện tách từ chúng tôi đã áp dụng giải thuật MMSEG [6]. Phần tiếp
    theo sẽ trình bày cụ thể mô hình hóa văn bản trước khi áp dụng phân lớp theo giải
    thuật cây quyết định và phân lớp theo SVM.
    2 MÔ HÌNH HÓA VĂN BẢN
    Trên thực tế, để có thể áp dụng một giải thuật tách từ, văn bản cần qua bước tiền
    xử lí cơ bản: chuẩn hóa dấu, chuẩn hóa “i” và “y”, chuẩn hóa font, Tuy nhiên
    các bước này sẽ không được đề cập ở đây do giới hạn trang bài viết. Có thể xem
    văn bản là tập hợp các từ. Khái niệm “từ” ở đây theo nghĩa là một chuỗi kí tự liên
    tiếp nhau trong văn bản, không nhất thiết phải là một từ có nghĩa trong ngôn ngữ.
    Việc xác định “từ” hay tách từ sẽ được thực hiện bằng một giải thuật nào đó. Hiện
    nay phương pháp MMSEG [6] và các cải tiến của nó được áp dụng rộng rãi trong
    tách từ tiếng Việt. Một số đề xuất tách từ độc lập với ngôn ngữ như phương pháp
    n-gram; chẳng hạn trong tiếng Việt cứ lấy hai tiếng liên tiếp đứng cạnh nhau trong
    văn bản làm “2-gram”. Như vậy một “2-gram” không nhất thiết phải là một từ
    đúng trong tiếng Việt. Trong nghiên cứu này, chúng tôi dùng giải thuật MMSEG
    để tách từ tiếng Việt. Giải thuật này có nguồn gốc là để tách tiếng Trung Quốc [7]

    Xem Thêm: Phân loại văn bản với máy học Vector hỗ trợ và cây quyết định
    Nội dung trên chỉ thể hiện một phần hoặc nhiều phần trích dẫn. Để có thể xem đầy đủ, chi tiết và đúng định dạng tài liệu, bạn vui lòng tải tài liệu. Hy vọng tài liệu Phân loại văn bản với máy học Vector hỗ trợ và cây quyết định sẽ giúp ích cho bạn.
    #1
  7. Đang tải dữ liệu...

    Chia sẻ link hay nhận ngay tiền thưởng
    Vui lòng Tải xuống để xem tài liệu đầy đủ.

    Gửi bình luận

    ♥ Tải tài liệu

social Thư Viện Tài Liệu
Tài liệu mới

Từ khóa được tìm kiếm

Nobody landed on this page from a search engine, yet!

Quyền viết bài

  • Bạn Không thể gửi Chủ đề mới
  • Bạn Không thể Gửi trả lời
  • Bạn Không thể Gửi file đính kèm
  • Bạn Không thể Sửa bài viết của mình
  •  
DMCA.com Protection Status