Resumen

Debido a la era del Big Data y al rápido crecimiento de los datos textuales, la clasificación de textos se convierte en una de las técnicas clave para manejar y organizar los datos de texto. La selección de características es el paso más importante en la categorización automática de textos. Con el fin de elegir un subconjunto de características disponibles mediante la eliminación de características innecesarias para la tarea de clasificación, se propone un nuevo algoritmo de categorización de texto llamado optimización de selección de características genéticas caóticas. El algoritmo propuesto selecciona los subconjuntos óptimos tanto en trabajos empíricos como teóricos en aprendizaje automático y presenta un marco general para la categorización de textos. Los resultados experimentales muestran que el algoritmo propuesto simplifica eficazmente el proceso de selección de características y puede obtener una mayor precisión de clasificación con un conjunto de características más pequeño.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:optimización genética de la selección de características, nuevo algoritmo de categorización de textos, categorización automática de textos, proceso de selección de características, mayor precisión de clasificación, conjunto de características más pequeño, algoritmo, big data, resultados experimentales, selección de características
• Keywords:genetic feature selection optimization, novel text categorization algorithm, automatic text categorization, feature selection process, higher classification accuracy, smaller feature set, algorithm, big data, experimental results, feature selection