A novel attribute weighting method with genetic algorithm for document classification

Abstract

Özetçe-İnternetin yaygınlaşmasıyla birlikte gerek internet siteleri gerekse kişisel kullanıcılar tarafından birçok veri üretilmektedir. Üretilen verilerden ihtiyaç duyulan bilgiye hızlı ve doğru erişebilmek için dokümanların içeriklerine göre sınıflandırılması gerekmektedir. Doküman sınıflandırma sistemlerinde en büyük güçlüklerden biri sınıfları en iyi şekilde temsil edecek niteliklerin tespitidir. Bu çalışmada, doküman sınıflandırma problemi için genetik algoritma kullanarak yeni bir nitelik ağırlıklandırma yöntemi sunulmuştur. Önerilen yöntem internet üzerinde yayın yapan bir haber sitesinden toplanan 6 farklı kategorideki toplam 450 doküman üzerinde test edilmiştir. Yapılan deneysel sonuçlara göre önerilen yöntem ile %93'lük bir başarı elde edilmiştir. Anahtar Kelimeler -doküman sınıflandırma; nitelik ağırlıklandırma; genetik algoritmaAbstract-Thanks to the proliferation of internet, a lot of data are produced by both websites and personal users. The documents are required to be classified in terms of their content in order to reach the necessary information fast and correctly from produced data. One of the biggest difficulties in document classification systems is detection of attribute that represent the classes in best way. In this research, a new attribute method is presented by using a Genetic Algorithm for document classification problem. This proposed method is tested on 450 documents that are from 6 different categories collected from a news portal that broadcasts online. According to experimental results 93% of success is achieved with the proposed method.

Document classification of SuDer Turkish news corpora

“…Kılıç ve arkadaşlarının çalışmasında TF-TDF'nın iki yeni varyasyonu tanıtılmış ve Türkçe derlemde başarımın arttıgı gösterilmiştir [4]. Ay ve arkadaşlarının çalışmasında genetik algoritma kullanılmış ve yeni bir nitelik agırlıklandırma yöntemi sunulmuştur [5]. Ş ahin'in çalışmasında gözetimsizögrenilen kelime temsil vektörlerinin ortalamaları Destek Vektör Makinesine (DVM) girdi olarak verilmiş ve TF-TDF'ndan daha iyi başarı sagladıgı gösterilmiştir [6].…”