مقياس الارتباط المطور بين الفئة والميزة

يُعد تصنيف النصوص أحد التحديات الصعبة لتصنيف البيانات النصية الضخمة وذات الأبعاد العالية بدقة وكفاءة. تُربك الميزات الكثيرة عملية التصنيف، ومِن ثَمَّ يجب استخدام استراتيجيات اختيار الميزات (Feature Selection) للتعامل مع مشكلة الأبعاد العالية. تقترح هذه الورقة البحثية تقنية جديدة لاختيار الميزات قائمة على "مقياس الارتباط المطور بين الفئة والميزة" (ECFAM). يستفيد ECFAM من وجود واستبعاد المصطلحات والعلاقات المعقدة بين المصطلحات عبر الأقسام المختلفة. يسلط هذا النهج الفريد من نوعه الضوء على دور المصطلحات المساعدة في تصنيف الفئات والتمييز بينها. تم إجراء المقارنة على مجموعتي بيانات مهمتين، وهما Reuters-21578 و 20-Newsgroups، من خلال خوارزميتين من خوارزميات التعلم الآلي الخاضعة للإشراف وخوارزمية واحدة من خوارزميات التعلم العميق. خلال تجاربنا، قمنا ببحث أحجام الميزات في تسع مجموعات ميزات مختلفة تتراوح بين 50 و 4000. وتظهر البيانات التجريبية أن ECFAM يحقق دائماً أداءً أفضل من الطرق الأخرى فيما يتعلق بالدقة والتكلفة الحسابية.