bibtype	C - Conference Paper (international conference)
ARLID	0411380
utime	20240103182323.0
mtime	20060210235959.9
ISBN	0-7803-9049-0
title (primary) (eng)	Information-theoretic feature selection algorithms for text classification
specification	page_count 6 s.
serial	title Proceedings of the International Joint Conference on Neural Networks page_num 3272-3277 ISBN 0-7803-9048-2 publisher place Los Alamitos name IEEE Computational Intelligence Society year 2005
title (cze)	Algoritmy pro výběr příznaků pro klasifikaci textů založené na kriteriu vzájemné informace
keyword	text classification
keyword	feature selection
keyword	mutual information
author (primary)	ARLID cav_un_auth*0101171 name1 Novovičová name2 Jana institution UTIA-B fullinstit Ústav teorie informace a automatizace AV ČR, v. v. i.
author	ARLID cav_un_auth*0101155 name1 Malík name2 Antonín institution UTIA-B fullinstit Ústav teorie informace a automatizace AV ČR, v. v. i.
COSATI	09K
COSATI	09J
COSATI	12B
cas_special	project project_id IAA2075302 agency GA AV ČR ARLID cav_un_auth*0001801 project project_id GA102/03/0049 agency GA ČR ARLID cav_un_auth*0001805 project project_id KSK1019101 agency GA AV ČR ARLID cav_un_auth*0000219 project project_id 1M0572 agency GA MŠk ARLID cav_un_auth*0001814 research CEZ:AV0Z10750506 abstract (eng) Four new algorithms for feature/word selection for the purpose of text classification are presented. Sequential forward selection method based on improved mutual information criterion functions is used. The performance of the proposed criteria compared to the information gain which evaluate features individually is discussed. Experimental results using naive Bayes classifier based on multinomial model, linear support vector machine and k-nearest neighbor classifiers on the Reuters data are analyzed. abstract (cze) Byly navrženy nové algoritmy pro výběr příznaků/slov pro řešení problému klasifikace textových dokumentů. Byl použit sekvenční "dopředný" algoritmus založený na několika modifikacích kriteria vzájemné informace. Účinnost navržených kriterií byla porovnána s nejčastěji používanými kriterii pro výběr slov (vzájemná informace, chí-kvadrát statistika, odds ratio) při použití Bayesova klasifikátoru, lineárního support vector machine a k-nejbližších sousedů na Reuters-21578 datových souborech. action ARLID cav_un_auth*0213222 name International Joint Conference on Neural Networks place Montreal country CA dates 31.07.2005-04.08.2005 RIV BB reportyear 2010 department RO permalink http://hdl.handle.net/11104/0131462 arlyear 2005 mrcbU12 0-7803-9049-0 mrcbU63 Proceedings of the International Joint Conference on Neural Networks 0-7803-9048-2 3272 3277 Los Alamitos IEEE Computational Intelligence Society 2005