ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Comparing TR-Classifier and KNN by Using reduced sizes of Vocabularies

المصدر: وقائع الندوة الثالثة الدولية حول المعالجة الآلية للغة العربية CITALA'09
الناشر: معهد الدراسات والأبحاث للتعريب
المؤلف الرئيسي: Abbas, Mourad (Author)
مؤلفين آخرين: Smaili, Kamel (Co-Author) , Berkani, D. (Co-Author)
محكمة: نعم
الدولة: المغرب
التاريخ الميلادي: 2009
مكان انعقاد المؤتمر: الرباط
الهيئة المسؤولة: معهد الدراسات والأبحاث للتعريب
الشهر: مايو
الصفحات: 1 - 4
رقم MD: 589857
نوع المحتوى: بحوث المؤتمرات
اللغة: الإنجليزية
قواعد المعلومات: AraBase
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

9

حفظ في:
المستخلص: The aim of this study is topic identification by using two methods, in this case, a new one that we have proposed: TR-classifier which is based on computing triggers, and the well-known k Nearest Neighbors. Performances are acceptable, particularly for TR-classifier, though we have used reduced sizes of vocabularies. For the TR-Classifier, each topic is represented by a vocabulary which has been built using the corresponding training corpus. Whereas, the kNN method uses a general vocabulary, obtained by the concatenation of those used by the TR-Classifier. For the evaluation task, six topics have been selected to be identified: Culture, religion, economy, local news, international news and sports. An Arabic corpus has been used to achieve experiments.

عناصر مشابهة