ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
Fishery information processing can help fishery researchers obtain the needed information easily and quickly. The current information processing techniques have not solved the problem of high dimensional features in fishery information processing. In this paper, a feature selection method for fishery texts based on SVM-RFE was put forward in view of the characteristics of fishery texts. It removed the redundant information in text feature space and reduced the feature dimensions effectively. Three corpora were employed to verify the proposed method and the comparison with the traditional feature selection method was performed. The experimental results show that the method proposed in this paper can improve precision rate and recall rate of fishery information processing with the lower dimensional features, providing an effective way for fishery information processing.
پردازش اطلاعات شیلات به محققین شیلات در بدست آوردن راحت و سریع اطلاعات مورد نیاز کمک می کند. تکنیک های پردازش اطلاعات فعلی مسئله ویژگیهای ابعادی بالا در پردازش اطلاعات شیلات را حل نکرده اند. در این مقاله، روش انتخاب ویژگی برای متون شیلات براساس SVM-RFE با نظر به ویژگیهای متون شیلات مطرح گردید. روش پیشنهادی اطلاعات زائد و تکراری در فضای ویژگی متن را حذف نموده و ابعاد ویژگی را به شکلی موثر کاهش داد. از سه مجموعه نوشته برای تصدیق روش پیشنهادی استفاده شد و سپس با روش انتخاب ویژگی سنتی مقایسه گردید. نتایج آزمایش نشان می دهد روش پیشنهادی در این مقاله، می تواند نرخ یا میزان دقت و نرخ یادآوری پردازش اطلاعات شیلات را با ویژگیهایی با ابعادی پائین تر بهبود بخشیده و راهی موثر برای پردازش اطلاعات شیلات فراهم نماید.