Melhoria da Precisão de Classificação dos Classificadores de Texto Automatizados

O número de documentos textuais está a aumentar a um ritmo incrível e, muito frequentemente, há necessidade de classificar esses documentos em algumas categorias fixas pré-definidas. Os conceitos de mineração de texto e aprendizagem mecânica ajudam muito nesta tarefa de classificação automatizada de documentos. Uma vez que a classificação está a ser feita automaticamente, o classificador precisa de ser um bom classificador para que haja o menor número possível de classificações erradas. Por conseguinte, a exactidão da classificação é muito importante e precisa de ser cuidada. Há vários factores que podem afectar a exactidão da classificação dos classificadores. Um dos factores é o método de Selecção de Características utilizado para reduzir o número de características nos documentos. O Ganho de Informação (IG) é um dos métodos mais populares utilizados para esta tarefa, mas existem poucas deficiências neste método de avaliação das melhores palavras. No nosso trabalho, concebemos uma nova fórmula para avaliar as palavras nos documentos e assim encontrar as melhores palavras, que são mais úteis na tarefa de classificação. O nosso método visa encontrar as palavras que têm mais poder discriminatório do que outras e, portanto, nomeámos a nossa fórmula como Poder Discriminatório (DP).