lnu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Using machine learning to classify news articles
Linnéuniversitetet, Fakulteten för teknik (FTK), Institutionen för datavetenskap (DV).
Linnéuniversitetet, Fakulteten för teknik (FTK), Institutionen för datavetenskap (DV).
2016 (Engelska)Självständigt arbete på grundnivå (kandidatexamen), 10 poäng / 15 hpStudentuppsats (Examensarbete)
Abstract [en]

In today’s society a large portion of the worlds population get their news on electronicdevices. This opens up the possibility to enhance their reading experience bypersonalizing news for the readers based on their previous preferences. We have conductedan experiment to find out how accurately a Naïve Bayes classifier can selectarticles that a user might find interesting. Our experiments was done on two userswho read and classified 200 articles as interesting or not interesting. Those articleswere divided into four datasets with the sizes 50, 100, 150 and 200. We used a NaïveBayes classifier with 16 different settings configurations to classify the articles intotwo categories. From these experiments we could find several settings configurationsthat showed good results. One settings configuration was chosen as a good generalsetting for this kind of problem. We found that for datasets with a size larger than 50there were no significant increase in classification confidence.

Ort, förlag, år, upplaga, sidor
2016. , s. 26
Nyckelord [en]
Machine learning, Naive Bayes, News articles, text classification, WEKA
Nationell ämneskategori
Övrig annan teknik
Identifikatorer
URN: urn:nbn:se:lnu:diva-59449OAI: oai:DiVA.org:lnu-59449DiVA, id: diva2:1058899
Handledare
Examinatorer
Tillgänglig från: 2016-12-22 Skapad: 2016-12-21 Senast uppdaterad: 2016-12-22Bibliografiskt granskad

Open Access i DiVA

fulltext(1280 kB)575 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1280 kBChecksumma SHA-512
e369b00b9ce24c6f2a0f68dd78ace2878ca689324f76c55f02564e7fa7dcd01e5af5a4d134eed0ae4e85836eec940eab3525839a918be2dd053eb3097fd51fcd
Typ fulltextMimetyp application/pdf

Av organisationen
Institutionen för datavetenskap (DV)
Övrig annan teknik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 575 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 1298 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf