ILP model The merged phrase structu

ILP model The merged phrase structure tree, such as shown in Figure 2(b), is the actual input to
our model. Each phrase in the document is given a salience score. We obtain these scores from the output of a supervised machine learning algorithm that predicts for each phrase whether it should be included in the highlights or not (see Section 5 for details). Let S be the set of sentences in a document,P be the set of phrases, and Ps ⊂ P be the set of phrases in each sentence s ∈ S. T is the set of words with the highest tf.idf scores, and Pt ⊂ P is the set of phrases containing the token t ∈ T .Let fi denote the salience score for phrase i, determined
by the machine learning algorithm, and li is its length in tokens.

Kết quả (Việt) 1:

ILP mô hình sáp nhập cụm từ cấu trúc cây, chẳng hạn như minh hoạ trong hình 2(b), là đầu vào thực tế đểMô hình của chúng tôi. Mỗi cụm từ trong tài liệu được đưa ra một số điểm nhô. Chúng tôi có được những điểm số từ đầu ra của một thuật toán học máy giám sát dự đoán cho mỗi cụm từ cho dù nó nên được bao gồm trong những điểm nổi bật hay không (xem phần 5 để biết chi tiết). Giả sử S là tập các câu trong một tài liệu, P là tập các cụm từ, và Ps ⊂ P là tập hợp các cụm từ trong mỗi câu s ∈ S. T là tập hợp các từ với số điểm cao nhất của tf.idf, và Pt ⊂ P là tập hợp các cụm từ có chứa mã thông báo t ∈ T. Hãy để fi biểu thị điểm nhô cho cụm từ tôi, xác địnhcủa máy tính học thuật toán, và li là chiều dài của nó trong thẻ.

Kết quả (Việt) 2:

Mô hình ILP Cây cấu trúc cụm từ sáp nhập, như thể hiện trong hình 2 (b), là đầu vào thực tế để
mô hình của chúng tôi. Mỗi cụm từ trong tài liệu được đưa ra một số điểm nổi bật. Chúng tôi có được những điểm số từ đầu ra của một thuật toán máy học có giám sát có thể dự đoán cho mỗi cụm từ cho dù đó nên được bao gồm trong những điểm nổi bật hay không (xem Phần 5 để biết chi tiết). S là tập hợp các câu trong một tài liệu, P là tập các cụm từ, và Ps ⊂ P là tập các cụm từ trong mỗi câu s ∈ S. T là tập hợp của những từ có cùng điểm số tf.idf cao nhất, và Pt ⊂ P là tập hợp các cụm từ chứa các mã thông báo t ∈ T .Let fi biểu thị số điểm nổi bật cho cụm từ i, được xác định
bởi các thuật toán máy học, và li là chiều dài của nó trong thẻ.