گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” هسته معنایی برای طبقه بندی متون با ارزش واقعی اصطلاحات ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
کرنل معنایی مجموعه ای از نوشته ها و داده ها برای دسته بندی متون از طریق استفاده از ارزش واقعی واژگان |
| عنوان انگلیسی مقاله: |
A corpus-based semantic kernel for text classification by using meaning values of terms |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2015 |
| تعداد صفحات مقاله انگلیسی | 13 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
| گرایش های مرتبط با این مقاله | هوش مصنوعی و مهندسی نرم افزار |
| مجله | مهندسی کاربردهای هوش مصنوعی – Engineering Applications of Artificial Intelligence |
| دانشگاه | گروه مهندسی کامپیوتر، دانشگاه مارماری، ترکیه |
| کلمات کلیدی | ماشین های بردار پشتیبانی، دسته بندی متن، کرنل معنایی، معنا، روابط رتبه بالا |
| شناسه شاپا یا ISSN | ISSN 015.03.015 |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه | الزویر – Elsevier |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 36 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
مقدمه
کارهای مربوطه
ماشین های پشتیبانی بردار برای مسئله دسته بندی
تابع معنایی برای دسته بندی متون
روش وزن و ارزیابی عبارات
اصل Helmholtz،برگرفته شده از نظریه Gestalt، بر مبنای داده کاوی می باشد
کرنل معنایی کلاس ها، طبقات (CMK)
تنظیمات آزمایشی
نتایج و کارهای آینده
- بخشی از ترجمه:
نتایج و کارهای آینده
ما کرنل معنایی جدیدی برای SVM ، به نام CMK( کرنل معنایی طبقات)، تعریف می کنیم. CMK، بر مبنای ارزش معنایی عبارات، در زمینه طبقات مربوط به مجموعه های آموزشی، می باشد. ارزش های معنای مطابق با اصل Helmholtz، محاسبه شده که بر مبنای نظریه Gesalt می باشند که قبلا برای مسائل داده کاوی مثل خلاصه بندی اسناد و بیرون کشیدن ویژگی ها، مورد استفاده قرار گرفتند.(Balinsky و همکاران 2010،2011). نظریه Gesalt، بی این نکته توجه می کند که این ویژگی های معنایی و وقایع جالب، به صورت تصادفی و بسیار متغیر ظاهر می شوند. محاسبات معنایی تلاش می کنند تا معناداربودن عبارات در متون را با استفاده از مدل رویکرد ادراکی انسان تعریف کنند. این مدل بر مبنای اصل Helmholtz برگرفته شده از نظریه Gestalt می باشد. در زمینه داده کاوی، داده های متنی شامل ساختارهای طبیعی به شکل جمله، پاراگراف، اسناد، موضوعات و دسته بندی اسناد می باشد. ما در محیط کرنل معنایی، ما ارزش معنایی عبارات را در متون دسته بندی شده، با استفاده از اصل Helmholtz، محاسبه می کنیم. ما از ارزش معنایی، برای هموار کردن بردار عبارت در اسناد استفاده می کنیم. در رویکر نتایج آزمایشات ما، کرنل هموارسازی معنایی نظارت شده مورد توجه قرار گرفته که از اطلاعات دسته بندی استفاده می کند. این رویکرد، یکی از مهم ترین رویکردهای نوین و توسعه یافته محسوب می شود. از این رو تحقیقات قبلی که راجع به کرنل هموارسازی معنایی می باشد، نمی تواند تحقیقات راجع به دسته بندی اطلاعات خاص را تحت پوشش قرار دهد.
- بخشی از مقاله انگلیسی:
6. Conclusions and future work
We introduce a new semantic kernel for SVM called Class Meanings Kernel (CMK). The CMK is based on meaning values of terms in the context of classes in the training set. The meaning values are calculated according to the Helmholtz Principle which is mainly based on Gestalt theory and has previously been applied to several text mining problems including document summarization, and feature extraction (Balinsky et al., 2010, 2011a, 2011b, 2011c). Gestalt theory points out that meaningful features and interesting events appears in large deviations from randomness. The meaning calculations attempt to define meaningfulness of terms in text by using the human perceptual model of the Helmholtz principle from Gestalt Theory. In the context of text mining, the textual data consist of natural structures in the form of sentences, paragraphs, documents, topics and in our case classes of documents. In our semantic kernel setting, we compute meaning values of terms, obtained using the Helmholtz principle in the context of classes where these terms appear. We use these meaning values to smoothen document term vectors. As a result our approach can be considered as a supervised semantic smoothing kernel which makes use of the class information. This is one of the important novelties of our approach since the previous studies of semantic smoothing kernels does not incorporate class specific information.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
هسته معنایی مبتنی بر مجموعه ای از نوشته ها و داده ها برای طبقه بندی متون با ارزش واقعی اصطلاحات |
| عنوان انگلیسی مقاله: |
A corpus-based semantic kernel for text classification by using meaning values of terms |
|
|