bAveraged Accuracy:Rand Statistic:F

b

Averaged Accuracy:
Rand Statistic:
Folkes and Mallows index:

In Section IV and Section V, we will use DF, TC, TVQ and
TV methods to reduce the feature dimensionality of four
datasets: FBIS, REI, TR45 and TR41. Then cluster validity
criterions will be used to evaluate the effect of these feature
selection methods.
A. Datasets
Text classification performance varies greatly on different
dataset. So we chose four different text datasets to evaluate
the performance of the feature selection methods. The
characteristics of the various document collections used in our
experiments are summarized in Table 1.
Data set FBIS is from the Foreign Broadcast Information
Service data of TREC-5 [16]. Data sets REI is from Reuters-
21578 text categorization test collection Distribution 1.0 [17].
Data sets TR45 and TR4 1 are derived from TREC-6
collections. For all data sets, we used a stop-list to remove
common words, and the words were stemmed using Porter's
suffix-stripping algorithm [18].


As we talked in Section III, there are many cluster validitycriterions can be used to evaluate the performance of
clustering algorithms. But the performance of cluster validity
criterions themselves is different. In this section, we will first
evaluate these validity criterions by applying a single feature
selection method DF on different datasets on which the
performance has already reached a compatible view in this
research field.
DF is a simple but effective feature selection method. When
applying DF on text datasets, if minority of terms are removed,
the clustering performance will be improved or no loss. When
more terms removed, the clustering performance will drop
quickly.
The values of different validity criterions when applying DF
on different datasets are showed in Fig. 1.
The results of AA, RS, FM are respectively range from
0.5714 to 0.7201, from 0.7370 to 0.8928, from 0.1422 to
0.5157. As can be seen in Fig. 1, four curves of RS methods
on different four datasets approximately follow the rule we
mentioned above. But the curves are very gently, so the trends
are not distinct. Four curves ofAA are all follow the rule well
except the curve of TR45. Curves of FM on datasets FBIS and
REI follow the rule of DF very well, while curves of TR45
and TR4 1 surge randomly.
So as to the result of our first experiment, AA is the best
validity criterion. And we can see from the result that text
classification performance varies greatly on different dataset.
The performance of FBIS and REI are much better than the
others. And if we only consider the result of FBIS and REI,
AA and FM validity criterions are both good, and FM may
even better. So in the experiments below, we will mainly use
FBIS and REI datasets, as well as AA and FM validity
criterions.

Results (Indonesian) 1:

bAkurasi rata-rata:Rand Statistik:Folkes dan Mallows index:Di bagian IV dan V bagian, kita akan menggunakan TVQ-nya DF, TC, danTV metode untuk mengurangi dimensi fitur empatdataset: FBIS, REI, TR45 dan TR41. Kemudian cluster validitaskriteria yang akan digunakan untuk menilai efek dari fitur inimetode seleksi.A. datasetTeks klasifikasi kinerja sangat bervariasi di berbagaidataset. Sehingga kami memilih empat dataset teks yang berbeda untuk mengevaluasikinerja metode seleksi fitur. TheKarakteristik dari berbagai dokumen digunakan dalam koleksi kamipercobaan diringkas dalam tabel 1.Kumpulan data FBIS adalah dari informasi siaran luar negeriLayanan data mengandung TREC-5 [16]. Data set REI adalah dari Reuters-21578 teks kategorisasi tes koleksi distribusi 1.0 [17].Data set TR45 dan TR4 1 berasal dari mengandung TREC-6Koleksi. Untuk semua data set, kami menggunakan stop-daftar untuk menghapuskata-kata umum, dan kata-kata itu berasal menggunakan Porter'sakhiran-stripping algoritma [18].Ketika kita berbicara dalam Bagian III, ada banyak gugus validitycriterions dapat digunakan untuk mengevaluasi kinerjamenggunakan Clustering algorithms. Tapi kinerja cluster validitaskriteria mereka sendiri berbeda. Dalam bagian ini, kita akan pertamamengevaluasi kriteria validitas ini dengan menerapkan fitur tunggalPemilihan metode DF pada berbeda dataset yangkinerja telah mencapai pandangan kompatibel dalam inibidang penelitian.DF adalah sederhana namun efektif fitur metode seleksi. Kapanmenerapkan DF pada dataset teks, jika minoritas istilah dihapus,kinerja clustering akan meningkat atau tidak ada kerugian. Kapanlebih banyak istilah dihapus, kinerja clustering akan turuncepat.Nilai-nilai berbeda berlaku kriteria ketika menerapkan DFpada dataset yang berbeda yang menunjukkan dalam gambar 1.Hasil FM AA, RS, yang masing-masing berkisar dari0.5714 untuk 0.7201, dari 0.7370 ke 0.8928, dari 0.1422 untuk0.5157. sebagai dapat dilihat pada gambar 1, empat kurva RS metodepada dataset empat yang berbeda sekitar mengikuti aturan kitadisebutkan di atas. Tetapi kurva sangat lembut, sehingga trentidak berbeda. Empat kurva ofAA adalah semua mengikuti aturan baikkecuali kurva TR45. Kurva FM pada dataset FBIS danREI mengikuti aturan DF dengan baik, sementara kurva TR45dan TR4 1 gelombang secara acak.Jadi untuk hasil dari percobaan pertama kami, AA adalah yang terbaikkriteria validitas. Dan kita dapat melihat bahwa teks dari hasilklasifikasi kinerja sangat bervariasi pada dataset yang berbeda.Kinerja FBIS dan REI jauh lebih baik daripadalain-lain. Dan jika kita hanya mempertimbangkan hasil dari FBIS dan REI,AA dan FM validitas kriteria yang sama baik, dan mungkin FMbahkan lebih baik. Jadi dalam eksperimen-eksperimen di bawah ini, kita akan terutama menggunakanFBIS dan dataset REI, serta validitas AA dan FMkriteria.

Results (Indonesian) 2:

b

dirata-ratakan Akurasi:
Rand Statistik:
Folkes dan Mallows Indeks:

Dalam Bagian IV dan Bagian V, kita akan menggunakan DF, TC, TVQ dan
TV metode untuk mengurangi dimensi fitur empat
dataset: FBlS, REI, TR45 dan TR41. Kemudian klaster validitas
kriteria akan digunakan untuk mengevaluasi efek dari fitur ini
metode seleksi.
A. Dataset
kinerja klasifikasi Teks bervariasi pada berbagai
dataset. Jadi kami memilih empat dataset teks yang berbeda untuk mengevaluasi
kinerja metode seleksi fitur. The
karakteristik berbagai koleksi dokumen yang digunakan dalam kami
percobaan dirangkum dalam Tabel 1.
Data yang mengatur FBlS adalah dari Broadcast Luar Negeri Informasi
Data Jasa dari TREC-5 [16]. Data set REI adalah dari Reuters-
21.578 teks koleksi tes kategorisasi Distribusi 1.0 [17].
Data set TR45 dan TR4 1 yang berasal dari TREC-6
koleksi. Untuk semua set data, kami menggunakan stop-daftar untuk menghapus
kata-kata umum, dan kata-kata itu berasal menggunakan Porter
akhiran-stripping algoritma [18].


Ketika kami berbicara dalam Bagian III, ada banyak validitycriterions cluster dapat digunakan untuk mengevaluasi kinerja dari
klastering algoritma. Tapi kinerja validitas klaster
kriteria sendiri berbeda. Pada bagian ini, pertama-tama kita akan
mengevaluasi kriteria validitas ini dengan menerapkan fitur tunggal
metode seleksi DF pada dataset yang berbeda di mana
kinerja sudah mencapai tampilan yang kompatibel dalam
bidang penelitian.
DF adalah metode seleksi fitur sederhana namun efektif. Ketika
menerapkan DF pada dataset teks, jika minoritas istilah dihapus,
kinerja pengelompokan akan ditingkatkan atau tidak ada kerugian. Ketika
lebih istilah dihapus, kinerja pengelompokan akan turun
dengan cepat.
Nilai-nilai kriteria validitas yang berbeda ketika menerapkan DF
pada dataset yang berbeda menunjukkan pada Gambar. 1.
Hasil AA, RS, FM adalah masing-masing berkisar dari
,5714 ke ,7201, 0,7370-0,8928, 0,1422 ke dari
,5157. Seperti dapat dilihat pada Gambar. 1, empat kurva metode RS
di berbagai empat dataset sekitar mengikuti aturan yang kami
sebutkan di atas. Tapi kurva sangat lembut, sehingga tren
yang tidak berbeda. Empat kurva ofAA semua mengikuti aturan dengan baik
kecuali lekukan TR45. Kurva FM pada dataset FBlS dan
REI mengikuti aturan DF sangat baik, sementara kurva dari TR45
dan TR4 1 gelombang acak.
Jadi, untuk hasil percobaan pertama kami, AA adalah yang terbaik
kriteria validitas. Dan dapat kita lihat dari hasil bahwa teks
kinerja klasifikasi sangat bervariasi pada dataset yang berbeda.
Kinerja FBlS dan REI jauh lebih baik daripada yang
lain. Dan jika kita hanya mempertimbangkan hasil FBlS dan REI,
AA dan FM kriteria validitas keduanya baik, dan FM mungkin
bahkan lebih baik. Jadi dalam percobaan di bawah ini, kami terutama akan menggunakan
FBlS dan REI dataset, serta AA dan validitas FM
kriteria.