தகவல் தொழில்நுட்பம் மற்றும் மென்பொருள் பொறியியல் இதழ்
திறந்த அணுகல்

சுருக்கம்

படிநிலை மற்றும் பகிர்வு நுட்பங்களில் அஃபான் ஒரோமோ சென்ஸ் கிளஸ்டரிங்

வொர்கினே டெசெமா

அஃபான் ஓரோமோவில் உள்ள பல-உணர்வு வார்த்தைகளின் உணர்வு கிளஸ்டரிங்கை இந்தக் கட்டுரை வழங்குகிறது. இந்த வேலையின் முக்கிய யோசனை, சொற்பொருள் தொடர்பான புலன்களைக் கண்டறிய பயனுள்ள வழியை வழங்கும் சூழல்களை கிளஸ்டர் செய்வதாகும். இலக்கு வார்த்தையின் கொடுக்கப்பட்ட உணர்வுகளின் ஒத்த சூழல்கள் மூன்று படிநிலை மற்றும் இரண்டு பகிர்வு கிளஸ்டரிங்கைப் பயன்படுத்தி தொகுக்கப்படுகின்றன. தொடர்புடைய புலன்களின் அனைத்து சூழல்களும் கிளஸ்டரிங்கில் சேர்க்கப்பட்டுள்ளன, இதனால் கார்பஸில் உள்ள அனைத்து சூழல்களிலும் செய்யப்படுகிறது. அடிப்படை கருதுகோள் என்னவென்றால், க்ளஸ்டரிங் சூழல்களுக்கு இடையே பிரதிபலித்த ஒற்றுமையைப் படம்பிடிக்கிறது மற்றும் ஒவ்வொரு கிளஸ்டரும் சூழல்களிடையே இருக்கும் சாத்தியமான உறவுகளை வெளிப்படுத்துகிறது. சோதனை காட்டுவது போல, மொத்த ஐந்து கிளஸ்டர்களில் இருந்து, EM மற்றும் K-Means கிளஸ்டர்கள் படிநிலை (ஒற்றை கிளஸ்டரிங், முழுமையான கிளஸ்டரிங் மற்றும் சராசரி க்ளஸ்டரிங்) முடிவுகளை விட கணிசமாக அதிக துல்லியத்தை அளிக்கின்றன. அஃபான் ஒரோமோவைப் பொறுத்தவரை, EM மற்றும் K- என்பது படிநிலை கிளஸ்டரிங் அல்காரிதம்களை விட உணர்வு கிளஸ்டரிங் துல்லியத்தை மேம்படுத்துகிறது. ஒவ்வொரு கொத்தும் ஒரு தனித்துவமான உணர்வைக் குறிக்கிறது. சில வார்த்தைகளுக்கு ஐந்து புலன்களுக்கு இரண்டு புலன்கள் இருக்கும். இதன் விளைவாக, சோதனைத் தொகுப்பின் சராசரி துல்லியம் 85.5% ஆக இருந்தது, இது மேற்பார்வை செய்யப்படாத இயந்திரக் கற்றல் பணிக்கு ஊக்கமளிக்கிறது. இந்த அணுகுமுறையைப் பயன்படுத்துவதன் மூலம், சரியான எண்ணிக்கையிலான கொத்துக்களைக் கண்டறிவது புலன்களின் எண்ணிக்கையைக் கண்டறிவதற்குச் சமம். குறைந்த ஆதார தேவை இருந்தபோதிலும், அடையப்பட்ட முடிவு ஊக்கமளிப்பதாக இருந்தது.