این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
International Journal of Information, Security and Systems Management، جلد ۲، شماره ۱، صفحات ۱۱۸-۱۲۳
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Using Fuzzy LR Numbers in Bayesian Text Classifier for Classifying Persian Text Documents
چکیده انگلیسی مقاله Text Classification is an important research field in information retrieval and text mining. The main task in text classification is to assign text documents in predefined categories based on documents’ contents and labeled-training samples. Since word detection is a difficult and time consuming task in Persian language, Bayesian text classifier is an appropriate approach to deal with different word formats and new words. Also, fuzzy theory may be used to manage uncertainty in imprecise Persian sentences. In this paper, we utilize L-R type fuzzy numbers in Bayesian text classifier to classify textual Persian documents (Fuzzy Bayesian text classifier). The obtained results on simulated imprecise textual Persian documents show improvements in both recall and precision parameters by using Fuzzy Bayesian text classification approach over Naïve Bayesian text classifier
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله
نشانی اینترنتی http://www.ijissm.org/article_7439_b637bb7ebd5ed50a781f1fa1a82f6e5f.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1557/article-1557-255995.pdf
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات