Comparison some of Arabic text classification techniques using a multinomial mixture model

العناوين الأخرى

مقارنة بعض تقنيات تصنيف النصوص العربية باستخدام نموذج خليط متعدد الحدود

مقدم أطروحة جامعية

Hasan, Siham Abd al-Hadi

مشرف أطروحة جامعية

Kanan, Ghassan

أعضاء اللجنة

al-Shalabi, Riyad F.
Dabbas, Umar

الجامعة

جامعة عمان العربية

الكلية

كلية العلوم الحاسوبية و المعلوماتية

القسم الأكاديمي

قسم علم الحاسوب

دولة الجامعة

الأردن

الدرجة العلمية

ماجستير

تاريخ الدرجة العلمية

2014

الملخص الإنجليزي

Text Classification (TC) assigns documents to one or more predefined categories based on their contents.

This project focuses on the comparison of three automatic TC techniques: Rocchio, K-Nearest Neighbor (KNN) and Naïve Bayes (NB) classifier using a multinomial mixture model (MMM) on Arabic language.

In order to evaluate the mentioned techniques using the MMM, an Arabic TC corpus that consists of 1445 Arabic documents are classified into nine categories: Computer, Economics, Education, Sport, Politics, Engineer, Medicine, Law, and Religion.

The main goal of this project is to compare some of automatic text classification technique using a multinomial mixture model on the Arabic language.

The classification effectiveness has been compared with the SVM model.

This model was applied in other project used the same traditional classifiers and the same collection.

Moreover; the experimental results are presented in terms of macro-averaging precision, macro-averaging recall, and macro-averagingF1 measures.

Furthermore, the results reveal that the naive Bayes using MMM work best for Arabic TC tasks and outperformed k-NN and Rocchio classifiers.

التخصصات الرئيسية

الرياضيات

الموضوعات

• معالجة النصوص
• استرجاع المعلومات

عدد الصفحات

63

قائمة المحتويات

• APA
• MLA
• AMA

لغة النص

الإنجليزية

نوع البيانات

رسائل جامعية

رقم السجل

BIM-561894