Feature selection based on hybridization of Information gain and graph clustering for text classification

سال انتشار: 1398
محل انتشار: دهمین کنفرانس فناوری اطلاعات و دانشIKT2019
کد COI اختصاصی: ICIKT10_053
زبان مقاله: انگلیسی
تعداد مشاهده: 655

دانلود فایل این مقاله

نویسندگان

Shadi Rahimi

Department of Computer Engineering, University of Kurdistan, Sanandaj, Iran

Alireza Abdollahpouri

Department of Computer Engineering, University of Kurdistan, Sanandaj, Iran

Fatemeh Zamani

Department of Computer Engineering, University of Kurdistan, Sanandaj, Iran

Parham Moradi

Department of Computer Engineering, University of Kurdistan, Sanandaj, Iran

چکیده

Text datasets usually have a lot of features. Therefore, theirs classification cost is too much and feature selection in this context is of vital importance. In this paper, a novel feature selection method based on information gain and FAST algorithm is proposed. In the proposed method, at first, the features with higher information gain are selected. Then, the FAST algorithm on the selected features is applied. Experiments are carried out to compare our algorithm with several feature selection techniques. The new approach is tested on three text datasets. The results confirm that the proposed method produces smaller feature subset in shorter time. The evaluation of a K-nearest neighborhood classifier on validation data show that, the novel algorithm gives higher classification accuracy.

کلیدواژه ها

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.