Effektive Textklassifikation durch überwachtes, grobsetzbasiertes Termgewichtung

Diese Forschung präsentiert einen innovativen Ansatz im Text Mining, der auf der Grobsetztheorie basiert. Diese Studie nutzt grundlegend das Konzept der Symmetrie aus der Grobsetztheorie, um Indifferenzmatrizen zu konstruieren und Unsicherheiten in der Datenanalyse zu modellieren, wobei sichergestellt wird, dass sowohl die methodologische Struktur als auch die Lösungsprozesse symmetrisch bleiben. Das effektive Management und die Analyse großangelegter textueller Daten sind stark auf automatisierte Textklassifikationstechnologien angewiesen. In diesem Kontext spielt die Termgewichtung eine entscheidende Rolle für die Klassifikationsleistung. Besonders überwachter Termgewichtungsansätze, die Klassierungsinformationen nutzen, haben sich als die effektivsten Ansätze herausgestellt. Dennoch bleibt die optimale Darstellung von Klassen-Term-Beziehungen ein Bereich, der weiterer Forschung bedarf. Diese Studie schlägt das Rough Multivariate Weighting Scheme (RMWS) vor und präsentiert seine mathematische Ableitung, das Square Root Rough Multivariate Weighting Scheme (SRMWS). Das RMWS-Modell verwendet Grobsets, um informationstragende Dokumente im Dokument-Term-Klassen-Raum zu identifizieren, und übernimmt eine rechnerische Methodik, die die α-, β- und γ-Koeffizienten einbezieht. Darüber hinaus wird die Verteilung des Terms zwischen den Klassen erneut effektiv offenbart. Um die Wirksamkeit des Modells zu evaluieren, wurden umfassende experimentelle Studien an drei verschiedenen Datensätzen mit unbalancierten Mehrklassen-, balancierten Mehrklassen- und unbalancierten Binärklassstrukturen durchgeführt. Die Ergebnisse zeigen, dass die RMWS- und SRMWS-Methoden bestehende Ansätze übertreffen, indem sie eine überlegene Leistung auf balancierten und unbalancierten Datensätzen zeigen, ohne von Klassenungleichgewicht und Anzahl der Klassen beeinflusst zu werden. Darüber hinaus erweist sich die SRMWS-Methode als die effektivste für SVM- und KNN-Klassifizierer, während die RMWS-Methode die besten Ergebnisse für NB-Klassifizierer erzielt. Diese Ergebnisse zeigen, dass die vorgeschlagenen Methoden die Leistung der Textklassifikation signifikant verbessern.