Ανάπτυξη ενός εκπαιδεύσιμου ανιχνευτή ορίων φράσεων (Text Chunker) για τα νέα ελληνικά : πτυχιακή εργασία
Η παρούσα διπλωατική εργασία υλοποιεί την ανάπτυξη ενός εκπαιδεύσιου ανιχνευτή ορίων φράσεων σε προτάσεις φυσικής γλώσσας για τα Νέα Ελληνικά ε χρήση έντρων Απόφασης (decision trees). Βασίζεται σε τήα της διδακτορικής διατριβής του επιβλέποντος καθηγητή τηςδιπλωατικής αυτής εργασίας. Η εκπαίδευση κα...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Συγγραφή απο Οργανισμό/Αρχή: | |
| Άλλοι συγγραφείς: | |
| Μορφή: | Thesis Βιβλίο |
| Γλώσσα: | Greek |
| Δημοσίευση: |
2007.
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/11610/8904 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
| Περίληψη: | Η παρούσα διπλωατική εργασία υλοποιεί την ανάπτυξη ενός εκπαιδεύσιου ανιχνευτή ορίων φράσεων σε προτάσεις φυσικής γλώσσας για τα Νέα Ελληνικά ε χρήση έντρων Απόφασης (decision trees). Βασίζεται σε τήα της διδακτορικής διατριβής του επιβλέποντος καθηγητή τηςδιπλωατικής αυτής εργασίας. Η εκπαίδευση και αξιολόγηση του συστήατος της εργασίας έγιναν σε ένα σώα κειένων αποτελούενο από άρθρα του ηερήσιου τύπου. Για την τελική επιλογή του αλγορίθου πραγατοποιήθηκαν πειράατα στο περιβάλλον αλγορίθων Μηχανικής Μάθησης Weka, αξιολογούενα από τρία έτρα αξιολόγησης, την ακρίβεια, την ανάκληση και (τον συνδυασό αυτών) τον αρονικό έσο όρο F. Τις υψηλότερες τιές των τριών αυτών ετρικών έδωσε ο ταξινοητής J48 των δέντρων απόφασης, ε την χρήση ενός βέλτιστου εύρους δεδοένων εκπαίδευσης, ο οποίος και τελικά επιλέχθηκε ε τελική απόδοση (F) ίση ε 90,35%, Τέλος, εφαρόστηκε και ια έθοδος για την επίλυση του προβλήατος της ανισορροπίας των κλάσεων ε αποτέλεσα την βελτίωση της απόδοσης σε 94,69%. This dissertation explores the text chunking on Modern Greek texts with the usage of machine learning algorithm, Decision Trees. The training set was based on corpus consisting of daily newspaper articles. In order to choose the appropriate machine learning algorithm a set of experiments were taken place in Wekas environment, which is a library of machine learning experiments were taken place in Wekas environment, which is a library of machine learning and the combination of them (F-Measure). The highest values were given by decisions trees classifier, J48, with the best vector of training data and the final F-Measure is 90,35%. To end up, a method was applied to the final model so as to resolve the problem of class imbalance improving this way the F-Measure to 94,69%. |
|---|---|
| Περιγραφή τεκμηρίου: | Μέλη της εξεταστικής επιτροπής : Ευστάθιος Σταματάτος, Γεώργιος Βούρος, Εργίνα Καβαλλιεράτου. |
| Φυσική περιγραφή: | x, 79 σ. : πιν., σχέδια ; 30 εκ. |
| Βιβλιογραφία: | Βιβλιογραφία: σ. 63-65. |
| Πρόσβαση: | Διάθεση πλήρους κειμένου - Ελεύθερη πρόσβαση. |