Classifying web pages and documents based on expected cross entropy and weighted vote schema
محل انتشار: کنفرانس بین المللی پژوهش های نوین در علوم مهندسی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 666
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
RKES01_238
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
Traditional information retrieved method use keywords occurring in determine the class of the documents and web pages, but usually retrieves unrelated web page and documents. We propose a web pages and documents scanning and classification method base on support vector machine and expected cross entropy and using a weighted vote schema.Experimental results indicate our method is more effective than traditional methods. Classification accuracy in proposed method is better than other methods and even with a small labeled training set, our method could achieve higher accuracy
کلیدواژه ها:
نویسندگان
Maide Abedini Bagha
Young Researchers and Elite club, Tabriz Branch, Islamic Azad University, Tabriz, Iran.
Farnaz Laylavi
Department of computer Novin Institute of Higher Education, Ardabil, Iran.
Rahman Faraji Bashir
Islamic Azad University, sanandaj, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :