Support vector machine based approach for quranic words detection in online textual content

Sabbah, Thabit; Selamat, Ali

doi:10.1109/mysec.2014.6986038

Cited by 12 publications

(4 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Karar Ağaçlarını kullanan [6], Yapay Sinir Ağları'ndan istifade eden [7], ve K-En Yakın Komşuluk yöntemini deneyen [8] bunlara örnek olarak gösterilebilir. Benzer şekilde [9]'da SVM sınıflandırma modeli kullanılmıştır. Ak-Kabi vd.…”

Section: Literatür öZetiunclassified

Öznitelik Seçiminde Genetik Algoritma Kullanılarak Kur’an-ı Kerim Ayetlerinin Otomatik Sınıflandırılması

MERT¹,

Aydın

Orman

2022

ECJSE

View full text Add to dashboard Cite

Metin etiketleme olarak da bilinen metin sınıflandırması verilen bir metni organize gruplara ayırma işlemidir. Metin sınıflandırıcılar, Doğal Dil İşleme yöntemlerini kullanarak metni otomatik olarak analiz edebilir ve ardından içeriğine göre bir dizi önceden tanımlanmış etiket veya kategori ataması yapabilir. Söz konusu bir Kur'an ayeti ise, etiketlenmedeki temel amaç ayetin ilgili olduğu temanın belirlenmesidir. Ancak mevcuttaki ayet etiketleme yaklaşımları öncelikli olarak Arapça dilinde ve Kur'an tefsirinde derin uzmanlığa sahip alimlerin mevcudiyetine bağlıdır. Bu çalışmada metin sınıflandırma algoritmalarını kullanarak Kur'an ayetlerinin etiketlenmesi görevinin otomatikleştirilmesi önerilmektedir. Sınıflandırma algoritmaları ile gerçekleştirdiğimiz deneylerde ayetlerin İngilizce çevirilerinin ait oldukları önceden tanımlanmış 15 kategori öznitelik olarak kullanılmıştır. Literatürdeki benzer çalışmalardan farklı olarak öznitelik seçimi aşamasında Genetik Algoritma kullanılmıştır. Böylece gerçekleştirilen bu ara adımın nihai performansa olumlu etki etmesi amaçlanmıştır. Çalışmanın sonunda çeşitli performans değerlendirme metrikleri kullanılarak sınıflandırma modellerinin başarım değerleri karşılaştırılmalı olarak verilmiştir.

show abstract

Section: Literatür öZetiunclassified

Öznitelik Seçiminde Genetik Algoritma Kullanılarak Kur’an-ı Kerim Ayetlerinin Otomatik Sınıflandırılması

MERT¹,

Aydın

Orman

2022

ECJSE

View full text Add to dashboard Cite

show abstract

“…A growing number of data mining techniques have been applied to text classification problem, including the Bayes probabilistic approach [38], [39], decision trees [40], [41], neural networks [42], [43], support vector machines (SVM) [44], [45], [46], and k-nearest neighbor [47], [48]. In this preliminary study, three conventional classification algorithms [49]: nearest neighbor (k-NN), SVM, and naïve bayes classifiers are implemented for the labeling task.…”

Section: Classification Modelmentioning

confidence: 99%

Comparative Analysis of Text Classification Algorithms for Automated Labelling of Quranic Verses.

Adeleke¹,

Samsudin²,

Nawi³

2017

International Journal on Advanced Science, Engineering and Information Technology

View full text Add to dashboard Cite

The ultimate goal of labelling a Quranic verse is to determine its corresponding theme. However, the existing Quranic verse labelling approach is primarily depending on the availability of Quranic scholars who have expertise in Arabic language and Tafseer. In this paper, we propose to automate the labelling task of the Quranic verse using text classification algorithms. We applied three text classification algorithms namely, k-Nearest Neighbour, Support Vector Machine, and Naïve Bayes in automating the labelling procedure. In our experiment with the classification algorithms English translation of the verses are presented as features. The English translation of the verses are then classified as "Shahadah" (the first pillar of Islam) or "Pray" (the second pillar of Islam). It is found that all of the text classification algorithms are capable to achieve more than 70% accuracy in labelling the Quranic verses.

show abstract

“…Some of the existing works as found in literatures include: text classification applications on the Holy Quran [1,3,[11][12][13]; ontology-based applications [14][15][16][17]; digitized Holy Quran applications [18][19][20][21][22]. Furthermore, conventional among machine learning algorithms often implemented in ML tasks include: naïve bayes (NB) [4], decision trees (J48) [23], neural networks [24], support vector machines (SVM) [25], and k-nearest neighbour (k-NN) [26].…”

Section: Introductionmentioning

confidence: 99%

Automating quranic verses labeling using machine learning approach

Adeleke

Samsudin

Khalid

2019

IJEECS

View full text Add to dashboard Cite

Classification of Quranic verses into predefined categories is an essential task in Quranic studies. However, in recent times, with the advancement in information technology and machine learning, several classification algorithms have been developed for the purpose of text classification tasks. Automated text classification (ATC) is a well-known technique in machine learning. It is the task of developing models that could be trained to automatically assign to each text instances a known label from a predefined state. In this paper, four conventional ML classifiers: support vector machine (SVM), naïve bayes (NB), decision trees (J48), nearest neighbor (k-NN), are used in classifying selected Quranic verses into three predefined class labels: faith (iman), worship (ibadah), etiquettes (akhlak). The Quranic data comprises of verses in chapter two (al-Baqara) of the holy scripture. In the results, the classifiers achieved above 80% accuracy score with naïve bayes (NB) algorithm recording the overall highest scores of 93.9% accuracy and 0.964 AUC.

show abstract

Support vector machine based approach for quranic words detection in online textual content

Cited by 12 publications

References 12 publications

Öznitelik Seçiminde Genetik Algoritma Kullanılarak Kur’an-ı Kerim Ayetlerinin Otomatik Sınıflandırılması

Öznitelik Seçiminde Genetik Algoritma Kullanılarak Kur’an-ı Kerim Ayetlerinin Otomatik Sınıflandırılması

Comparative Analysis of Text Classification Algorithms for Automated Labelling of Quranic Verses.

Automating quranic verses labeling using machine learning approach

Contact Info

Product

Resources

About