텍스트 데이터 세트를 위한 K 최근접 이웃 및 결정 트리 분류기와 관련된 용어 빈도-역 문서 빈도 및 카운트 벡타이저 간의 비교 연구

배경: 텍스트 분류 기법은 인터넷에서 텍스트 데이터의 기하급수적 증가와 함께 점점 더 중요해지고 있습니다. 용어 빈도-역 문서 빈도 (TF-IDF) 및 카운트 벡타이저 (CV)는 특성 추출에 일반적으로 사용되는 방법입니다. TF-IDF는 용어의 빈도에 따라 가중치를 부여합니다. CV는 단순히 용어의 발생 횟수를 계산합니다. CV와 TF-IDF의 성능은 텍스트 데이터 세트에서 KNN 및 DT 분류기와 비교하여 평가됩니다. 방법론: 조사는 전처리로 시작합니다. 특성 벡터는 TF-IDF와 CV를 사용하여 생성됩니다. 특성 벡터는 훈련 단계에서 KNN 및 DT 분류기로 전달됩니다. 실험은 Kaggle의 공용 데이터베이스인 우크라이나 10K 트윗 감정 분석 데이터 세트와 여성 전자상거래 의류 리뷰 데이터 세트를 사용하여 실행됩니다. 발견: TF-IDF를 사용하는 KNN의 정밀도, 재현율, f1 점수 및 정확도의 평균은 각각 84.5%, 87%, 83%, 87%였고, CV를 사용하는 KNN은 각각 83.5%, 87%, 83.5%, 87%였습니다. 유사하게, TF-IDF를 사용하는 DT의 정밀도, 재현율, f1 점수 및 정확도의 평균은 각각 89%, 89%, 89%, 89%였고, CV를 사용하는 DT는 각각 89%, 89.5%, 89.5%, 89.5%였습니다. 이 연구에서 얻어진 결과는 이전의 유사한 연구 결과와 일치합니다. 결론: 이 연구에서 특정 데이터 세트와 특정 분류기에서 TF-IDF의 성능은 CV와 거의 유사합니다. 혁신성: 이 데이터 세트에 대한 이러한 분류기 및 특성 추출 방법을 사용한 실험은 이 연구의 혁신성과 기여입니다.