Resumen

En proporción directa al fuerte aumento de datos de información en línea, también ha aumentado la atención a la categorización de textos (clasificación). En el problema de categorización de textos, es decir, la clasificación de textos, el objetivo es clasificar los documentos en clases predefinidas (categorías o etiquetas). Recientemente, se han experimentado diversos métodos en minería de datos para la clasificación de textos en la literatura, excepto los métodos de función cónica poliédrica (PCF, por sus siglas en inglés). En este documento, se utilizan PCFs para clasificar los documentos. Se presentan algoritmos de separación a través de PCFs que incluyen subproblemas de programación lineal con restricciones de desigualdad. Se realizan experimentos numéricos en conjuntos de datos de texto del mundo real. Se realizan comparaciones entre métodos de vanguardia presentando resultados de validación cruzada de diez repeticiones, valores de precisión y tiempos de ejecución en tablas. Los resultados verifican que en la clasificación de textos, los mét

• Materias:Algoritmo de agrupamiento Reconocimiento de caracteres Reconocimiento de entidades nombradas Algoritmos de recomendación Tecnologías de contenedores
• Subjects:Clustering algorithm Character recognition Named entity recognition Recommendation algorithms Container technologies
• Palabras claves:Aumento; Datos de información en línea; Categorización de texto; Clasificación; Documentos; Métodos PCF
• Keywords:Increase; Online information data; Text categorization; Classification; Documents; PCF methods