Migliorare la precisione di classificazione dei classificatori di testo automatici

Il numero di documenti testuali aumenta a un ritmo incredibile e molto spesso è necessario classificare questi documenti in alcune categorie predefinite. I concetti di text mining e machine learning aiutano molto in questo compito di classificazione automatica dei documenti. Poiché la classificazione viene eseguita automaticamente, il classificatore deve essere un buon classificatore in modo da ridurre al minimo gli errori di classificazione. Pertanto, l'accuratezza della classificazione è molto importante e deve essere curata. Esistono diversi fattori che possono influenzare l'accuratezza di classificazione dei classificatori. Uno di questi fattori è il metodo di selezione delle caratteristiche utilizzato per ridurre il numero di caratteristiche nei documenti. L'Information Gain (IG) è uno dei metodi più popolari utilizzati per questo compito, ma presenta alcune lacune nella valutazione delle parole migliori. Nel nostro lavoro, abbiamo ideato una nuova formula per valutare le parole nei documenti e trovare così le parole migliori che sono più utili nel compito di classificazione. Il nostro metodo mira a trovare le parole che hanno un maggiore potere discriminante rispetto alle altre e per questo abbiamo chiamato la nostra formula come Potere Discriminante (DP).