1. Trang chủ
  2. » Luận Văn - Báo Cáo

Rút trích, phân loại và tổng hợp thông tin từ các phản hồi trên mạng xã hội

41 12 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 41
Dung lượng 771,16 KB

Nội dung

Ngày đăng: 27/01/2021, 13:50

HÌNH ẢNH LIÊN QUAN

Hình 2.1 trình bày các kết quả phân loại đạt được do Blitzer et al. [1] khi sử dụng các bộ phân lớp được huấn luyện trên một miền dữ liệu để phân loại cho các dữ liệu  thuộc  miền  khác - Rút trích, phân loại và tổng hợp thông tin từ các phản hồi trên mạng xã hội
Hình 2.1 trình bày các kết quả phân loại đạt được do Blitzer et al. [1] khi sử dụng các bộ phân lớp được huấn luyện trên một miền dữ liệu để phân loại cho các dữ liệu thuộc miền khác (Trang 13)
Hình 2.2: Hướng tiếp cận Feature-level fusion và Classifier-level fusion, [4] Thực nghiệm cho thấy hướng tiếp cận classifier-level fusion cho kết quả tốt hơn so  với  feature-level  fusion  và  các  bộ  phân  lớp  cơ  bản  riêng  biệt  của  mỗi  miền - Rút trích, phân loại và tổng hợp thông tin từ các phản hồi trên mạng xã hội
Hình 2.2 Hướng tiếp cận Feature-level fusion và Classifier-level fusion, [4] Thực nghiệm cho thấy hướng tiếp cận classifier-level fusion cho kết quả tốt hơn so với feature-level fusion và các bộ phân lớp cơ bản riêng biệt của mỗi miền (Trang 17)
Hình 3.1: Một số cách phân lớp dữ liệu, [7] trang 112. - Rút trích, phân loại và tổng hợp thông tin từ các phản hồi trên mạng xã hội
Hình 3.1 Một số cách phân lớp dữ liệu, [7] trang 112 (Trang 20)
Hình 3.2: Minh hoạ phương pháp SVM, [7] trang 113. - Rút trích, phân loại và tổng hợp thông tin từ các phản hồi trên mạng xã hội
Hình 3.2 Minh hoạ phương pháp SVM, [7] trang 113 (Trang 21)
Bảng 3.2: Một số công thức tính DeltaIDF, [12] - Rút trích, phân loại và tổng hợp thông tin từ các phản hồi trên mạng xã hội
Bảng 3.2 Một số công thức tính DeltaIDF, [12] (Trang 26)
Bảng 3.3: Số lượng các văn bản được phân loại chính xác và không chính xác - Rút trích, phân loại và tổng hợp thông tin từ các phản hồi trên mạng xã hội
Bảng 3.3 Số lượng các văn bản được phân loại chính xác và không chính xác (Trang 26)
Sau đây là mô hình tương tác của các module trong chương trình, gồm có 4 module chính  sau  đây:  Crawler,  Pre-processing,  KeywordFilter  &  Vectorization  và  Classification  - Rút trích, phân loại và tổng hợp thông tin từ các phản hồi trên mạng xã hội
au đây là mô hình tương tác của các module trong chương trình, gồm có 4 module chính sau đây: Crawler, Pre-processing, KeywordFilter & Vectorization và Classification (Trang 30)
Bảng 5.1: Tập dữ liệu thí nghiệm - Rút trích, phân loại và tổng hợp thông tin từ các phản hồi trên mạng xã hội
Bảng 5.1 Tập dữ liệu thí nghiệm (Trang 34)
Bảng 5.2: Độ chính xác của các bộ phân lớp - Rút trích, phân loại và tổng hợp thông tin từ các phản hồi trên mạng xã hội
Bảng 5.2 Độ chính xác của các bộ phân lớp (Trang 35)
Bảng 5.2 trình bày độ chính xác của bộ phân lớp đạt được của phương pháp được đề ra và một số phương pháp đã được sử dụng trong các nghiên cứu khác, dùng chung  một  tập  dữ  liệu  mẫu  gồm  các  nhận  xét  về  sản  phẩm  thuộc  các  miền  books,  dvd,  e - Rút trích, phân loại và tổng hợp thông tin từ các phản hồi trên mạng xã hội
Bảng 5.2 trình bày độ chính xác của bộ phân lớp đạt được của phương pháp được đề ra và một số phương pháp đã được sử dụng trong các nghiên cứu khác, dùng chung một tập dữ liệu mẫu gồm các nhận xét về sản phẩm thuộc các miền books, dvd, e (Trang 35)
Hình 5.1: So sánh các bộ phân lớp - Rút trích, phân loại và tổng hợp thông tin từ các phản hồi trên mạng xã hội
Hình 5.1 So sánh các bộ phân lớp (Trang 36)

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w