Furthermore, we choose the words wh

Furthermore, we choose the words whose CHI statistics feature value is bigger than 3 and the linguistics cues whose feature value is bigger than 0.2 as the feature items, and then conduct the open test using SVM classier. Fig.2 separately shows the recall, precision and Fmeasure values, which obtained by using SVM classifier with three kinds of feature sets on our 793 deceptive texts and 1 191 non-deceptive texts.

結果 (繁體中文) 1:

此外，我們選擇它的CHI統計特徵值大於3和語言學線索，其特徵值大於0.2為特徵的項目做大，然後使用SVM分類器進行開放測試的話。圖2示出了分別召回，精度和Fmeasure值，其通過使用SVM分類與我們的793欺騙性文本3種特徵集和1 191非欺騙性的文本獲得的。

結果 (繁體中文) 2:

此外，我們選擇 CHI 統計要素值大於 3 的單詞和要素值大於 0.2 的語言學提示作為特徵項，然後使用 SVM Classier 進行開放測試。圖 2 分別顯示了使用 SVM 分類器在 793 欺騙文本和 1 191 個非欺騙性文本上使用三種功能集獲得的調用、精度和 Fmeasure 值。

結果 (繁體中文) 3:

選取CHI統計量特徵值大於3的詞和特徵值大於0.2的語言線索作為特徵項，利用支持向量機分類器進行開放式測試。圖2分別顯示了793個欺騙性文字和191個非欺騙性文字的召回率、準確率和Fmeasure值。