Since keywords alone are able to ac

Since keywords alone are able to achieve a high recall, they can be used to filter out those sentences that are unlikely to be comparative sentences. We just need to improve the precision on the remaining sentences. It was also observed in (Jindal and Liu, 2006a) that comparative sentences have strong patterns involving comparative keywords, which is not surprising. These patterns can be used as features in learning. To discover
these patterns, class sequential rule (CSR) mining was employed in (Jindal and Liu, 2006a). Class sequential rule mining is a special kind of sequential pattern mining (Liu, 2006 and 2011). Each training example is a pair (si, yi), where si is a sequence and yi is a class label, i.e., yi  {comparison, noncomparison}. The sequence is generated from a sentence. Using the training data, CSRs can be generated.
For classification model building, the left-hand side sequence patterns of the CSR rules with high conditional probabilities were used as features. Naïve Bayes was employed for model building. In (Yang and Ko, 2011), the same problem was studied but in the context of Korean language. The learning algorithm used was the transformation-based learning, which produces rules.

Kết quả (Việt) 1:

Kể từ khi từ khoá một mình có thể đạt được một thu hồi cao, họ có thể được sử dụng để lọc ra những câu ít có khả năng là so sánh câu. Chúng ta chỉ cần phải cải thiện độ chính xác trên các câu còn lại. Nó cũng quan sát trong (Jindal và Liu, 2006a) so sánh rằng câu có mạnh mẽ mô hình liên quan đến từ khóa so sánh, mà không phải là đáng ngạc nhiên. Những mô hình có thể được sử dụng như tính năng trong học tập. Để khám phánhững mô hình, lớp tuần tự quy tắc (CSR) khai thác được sử dụng trong (Jindal và Liu, 2006a). Lớp tuần tự cai trị khai thác là một khai thác mỏ đặc biệt loại tuần tự mẫu (Liu, 2006 và năm 2011). Mỗi ví dụ đào tạo là một cặp (si, yi), nơi si là một chuỗi và yi là một nhãn lớp, tức là, yi  {so sánh, noncomparison}. Trình tự được tạo ra từ một câu. Sử dụng dữ liệu đào tạo, CSRs có thể được tạo ra.Để xây dựng mô hình phân loại, các mô hình chuỗi bên trái của các quy tắc CSR với xác suất có điều kiện cao được sử dụng như tính năng. Ngây thơ Bayes được dùng cho xây dựng mô hình. (Yang và Ko, năm 2011), cùng một vấn đề đã được nghiên cứu nhưng trong bối cảnh của ngôn ngữ Hàn Quốc. Các thuật toán học được sử dụng là học tập dựa trên chuyển đổi, tạo ra các quy tắc.

Kết quả (Việt) 2:

Vì từ khoá mình có thể đạt được một thu hồi cao, chúng có thể được sử dụng để lọc ra những câu đó sẽ không phải là câu so sánh. Chúng tôi chỉ cần để cải thiện độ chính xác trên các câu còn lại. Nó cũng đã được quan sát trong (Jindal và Liu, 2006a) rằng câu so sánh có liên quan đến từ khóa mô hình mạnh mẽ so sánh, mà không phải là đáng ngạc nhiên. Những mô hình này có thể được sử dụng như là các tính năng trong học tập. Để khám phá
các mô hình, lớp học quy tắc tuần tự (CSR) khai thác được sử dụng trong (Jindal và Liu, 2006a). Khai thác lớp quy tắc tuần tự là một dạng đặc biệt của tuần tự khai thác mô hình (Liu, 2006 và 2011). Mỗi ví dụ đào tạo là một cặp (si, yi), nơi si là một chuỗi và yi là một nhãn lớp, tức là, yi  {so sánh, noncomparison}. Các chuỗi được tạo ra từ một câu. Sử dụng các dữ liệu huấn luyện, CSR có thể được tạo ra.
Đối với xây dựng mô hình phân loại, bên trái mô hình chuỗi bên của các quy tắc CSR với xác suất có điều kiện cao đã được sử dụng như là các tính năng. Naïve Bayes đã được sử dụng để xây dựng mô hình. In (Yang và Ko, 2011), cùng một vấn đề đã được nghiên cứu nhưng trong bối cảnh của ngôn ngữ Hàn Quốc. Các thuật toán học được sử dụng là học chuyển đổi dựa trên, trong đó sản xuất quy định.