information retrieval document classified with k-nearest neighbor

وثيقة استرجاع معلومات مُصنَّفة باستخدام خوارزمية الجيران الأقرب k

Clicks: 220
ID: 235989
2016
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Popular

Ranked #186 of 275 articles by views in sustainability

Most read Least read

Bar heights use a square-root scale. Only the 120 most-read articles are drawn; the journal has 275 in total.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
Along with the rapid advancement of technology development led to the amount of information available is also increasingly abundant. The aim of this study was to determine how the implementation of information retrieval system in the classification of the journal by using the cosine similarity and K-Nearest Neighbor (KNN). The data used as many as 160 documents with categories such as Physical Sciences and Engineering, Life Science, Health Science, and Social Sciences and Humanities. Construction stage begins with the use of text mining processing, the weighting of each token by using the term frequency-inverse document frequency (TF-IDF), calculate the degree of similarity of each document by using the cosine similarity and classification using k-Nearest Neighbor.Evaluation is done by using the testing documents as much as 20 documents, with a value of k = {37, 41, 43}. Evaluation system shows the level of success in classifying documents on the value of k = 43 with a value precision of 0501. System test results showed that 20 document testing used can be classified according to the actual category.
تزامنًا مع التطور التكنولوجي المتسارع، أصبحت كمية المعلومات المتاحة وفيرة على نحو متزايد. هدفت هذه الدراسة إلى تحديد كيفية تطبيق نظام استرجاع المعلومات في تصنيف الدوريات العلمية باستخدام تشابه جيب التمام (Cosine Similarity) وخوارزمية الجار الأقرب (K-Nearest Neighbor - KNN). شملت البيانات المستخدمة 160 وثيقة موزعة على فئات مثل: العلوم الفيزيائية والهندسة، وعلوم الحياة، والعلوم الصحية، والعلوم الاجتماعية والإنسانية. تبدأ مرحلة البناء بتطبيق معالجة التنقيب في النصوص، وتحديد أوزان الوحدات النصية (Tokens) باستخدام مقياس تردد المصطلح-معكوس تردد الوثيقة (TF-IDF)، وحساب درجة تشابه كل وثيقة باستخدام تشابه جيب التمام، ومن ثم التصنيف باستخدام خوارزمية الجار الأقرب. أُجري التقييم باستخدام 20 وثيقة اختبار بقيم k = {37، 41، 43}. وأظهر تقييم النظام مستوى النجاح في تصنيف الوثائق عند القيمة k = 43 بقيمة دقة (Precision) بلغت 0501. كما بينت نتائج اختبار النظام أنه يمكن تصنيف وثائق الاختبار العشرين المستخدمة وفقًا لفئاتها الفعلية.
Reference Key
zaman2016recordinformation Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors ;Badruz Zaman;Endah Purwanti;Alifian Sukma
Journal sustainability
Year 2016
DOI
10.20473/rlj.v1i2.1177
URL
http://e-journal.unair.ac.id/index.php/RLJ/article/view/1177
Keywords
k-nearest neighbor information resources library science

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.