এনএলপিতে শ্রেণিবিন্যাস প্রক্রিয়াতে পার্স গাছ থেকে সাধারণত কোন বৈশিষ্ট্য ব্যবহৃত হয়?


13

আমি বিভিন্ন ধরণের পার্স গাছের কাঠামো অন্বেষণ করছি। দুটি বহুল পরিচিত পার্স গাছের কাঠামো হ'ল ক) নির্বাচনী কেন্দ্র ভিত্তিক পার্স ট্রি এবং খ) নির্ভরতা ভিত্তিক পার্স গাছের কাঠামো।

স্ট্যানফোর্ড এনএলপি প্যাকেজ ব্যবহার করে আমি উভয় প্রকারের পার্স গাছের কাঠামো উত্পন্ন করতে সক্ষম am তবে আমার শ্রেণিবিন্যাস কার্যের জন্য কীভাবে এই গাছ কাঠামোগুলি ব্যবহার করবেন তা আমি নিশ্চিত নই।

উদাহরণস্বরূপ, যদি আমি অনুভূতি বিশ্লেষণ করতে চাই এবং পাঠকে ধনাত্মক এবং নেতিবাচক শ্রেণিতে শ্রেণীবদ্ধ করতে চাই, তবে আমি আমার শ্রেণিবদ্ধকরণের জন্য পার্স গাছের কাঠামোগুলি থেকে কী বৈশিষ্ট্য পেতে পারি?

উত্তর:


9

একটি পার্স গাছ ব্যবহার করে, আপনি আপনার বাক্যটিকে কিছু অংশে ভাগ করেন। মনে করুন, সংবেদন বিশ্লেষণের উদাহরণে, আপনি প্রতিটি অংশে একটি ইতিবাচক / নেতিবাচক অনুভূতি নির্ধারণ করতে এবং সেই অংশগুলির সংশ্লেষিত প্রভাব নিতে সেই অংশগুলি ব্যবহার করতে পারেন।

অনুভূতির বিশ্লেষণ

এই চিত্রটি আপনাকে আরও বুঝতে সহায়তা করবে। প্রথমার্ধে একটি নেতিবাচক সংবেদন রয়েছে (মূলত "শুকনো" শব্দের কারণে) তবে "তবে" শব্দের কারণ এবং "উপভোগ" শব্দের ব্যবহারের ফলে নেতিবাচক সংবেদনটি একটি ইতিবাচক অনুভূতিতে পরিণত হয়েছে।

তাদের ব্যবহার হিসাবে, আপনি কেবল বাক্যে পৃথক শব্দের একটি শব্দ ভেক্টর উপস্থাপনা তৈরি করতে পারেন এবং পিতামাত নোডের জায়গায় নিউরন ব্যবহার করতে পারেন। প্রতিটি নিউরন ওজনের মাধ্যমে অন্য নিউরনের সাথে সংযুক্ত হওয়া উচিত। সমস্ত পাতাগুলি বাক্যটির শব্দের ভেক্টর উপস্থাপনা হবে। শীর্ষ প্যারেন্ট নিউরন (এই ক্ষেত্রে শীর্ষ নীল + চিহ্ন) বাক্য অনুসারে একটি ইতিবাচক / নেতিবাচক অনুভূতি তৈরি করা উচিত। এই গাছ কাঠামোটি তদারকি পদ্ধতিতে প্রশিক্ষণ দেওয়া যেতে পারে।

বোঝার মাধ্যমে আরও একটি কাগজ পড়ুন ।

চিত্রের ক্রেডিট: cs224.stanford.edu


1

আমি মনে করি নির্ভরতাগুলি আপনার সংবেদনশীল শ্রেণিবদ্ধের যথার্থতাকে উন্নত করতে ব্যবহার করা যেতে পারে। নিম্নলিখিত উদাহরণগুলি বিবেচনা করুন:

ই 1: বিল বিজ্ঞানী নন

এবং ধরে নিই যে টোকেন "বিজ্ঞানী" এর একটি নির্দিষ্ট ডোমেইনে ইতিবাচক অনুভূতি রয়েছে।

নির্ভরতা নাগ (বিজ্ঞানী, না) জেনে আমরা দেখতে পাচ্ছি যে উপরের উদাহরণটির একটি নেতিবাচক সংবেদন রয়েছে। এই নির্ভরতা না জেনে আমরা সম্ভবত বাক্যটিকে ইতিবাচক হিসাবে শ্রেণিবদ্ধ করব।

শ্রেণিবদ্ধদের যথার্থতা উন্নত করতে অন্য ধরণের নির্ভরতা সম্ভবত একইভাবে ব্যবহার করা যেতে পারে।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.