الگوریتم UPDATE با ورودی‏های (C,W)

1. 1. به ازای انجام بده

1. 1. پایان حلقه اول

1. 1. تا زمانیکه ادامه بده

1. 1. اگر آنگاه

1. 1. حالا از میان جفت‏های باقیمانده، جفت بعدی که دارای بیشترین امتیاز است را انتخاب کن

1. 1. پایان شرط اول

1. 1. اگر آنگاه

1. 1. بازگرداندن W در خروجی

1. 1. پایان شرط دوم

1. 1. در ، را با جایگزین کن

1. 1. پایان حلقه دوم

1. 1. بازگرداندن Wدر خروجی

شکل۳-۸: الگوریتم بروز رسانی

۳-۳.جمع‏بندی
در این فصل الگوریتم‏های یادگیری مناسب برای ارزیابی تشخیص مرجع مشترک در این پایان‏ نامه مورد بررسی قرار گرفت، این روش‏ها شامل روش‏های رده‏بندی پرسپترون، ماشین بردار پشتیبان، درخت تصمیم C5 و خوشه‏بندی سلسله مراتبی می‏باشند.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

فصل چهارم
سیستم ارزیابی
« شناسایی اشاره و تشخیص اشاره‏های هم‏مرجع »
۴-۱.مقدمه
امروزه اغلب پژوهشگران، فرایند تشخیص مرجع مشترک را به دو مرحله تقسیم می‏کنند؛ (۱) کشف اشاره؛ برای شناسایی عبارت‏های اسمی که به موجودیت‏ها در دنیای واقعی اشاره دارند، (۲) شناسایی اشاره‏های که به یک مرجع واحد اشاره دارند. از آنجائی‏که ما نیز از این رویکرد پیروی می‏کنیم، در این فصل، این دو فرایند را در قالب چارچوبی شامل سیستم ارزیابی معرفی می‏نمائیم. در بخش اول، برای فرایند مهم کشف اشاره سیستمی معرفی می‏کنیم که می‏تواند اشاره‏های موجود در پیکره لوتوس را شناسایی کرده و علاوه بر نمایش ویژگی‏های مهم هر اشاره، محدوده و هسته هر اشاره را نیز شناسایی و ذخیره نماید. در بخش دوم نیز با به کارگیری الگوریتم‏های گفته شده در فصل سوم، به تحلیل جفت اشاره‏‏های هم‏مرجع در پیکره می‏پردازیم.
۴-۲. سیستم شناسایی اشاره لوتوس
این سیستم، سه رکن اساسی دارد؛ پیکره ورودی، بانک اطلاعاتی و برنامه کاربردی. ورودی این سیستم پیکره‏ی نشانه‏گذاری شده لوتوس می‏باشد که ویژگی‏های آن در فصل دوم معرفی شدند. در ادامه به معرفی مختصری از بانک اطلاعاتی لوتوس و سیستم شناسایی اشاره‏ها می‏پردازیم.
۴-۲-۱. بانک اطلاعاتی
با پیروی از سیستم ارائه شده توسط [۴۰]، ما نیز رویکرد تبدیل پیکره، به اطلاعات ساختار یافته بانک اطلاعاتی را دنبال می‏کنیم، با این تفاوت که مبنای کار ما استخراج اطلاعاتِ مربوط به اشاره‏های موجود در پیکره می‏باشد. به همین منظور بانک اطلاعاتی سیستم پایه لوتوس را طراحی نمودیم، این بانک اطلاعاتی شامل جداولی است که تمام چهار گروه موجودیت‏های گفته شده در فصل قبل را پوشش می‏دهد و به گونه‏ای طراحی شده است تا بتواند نقش فرهنگ جغرافیایی^[۲۱۳] را نیز ایفا نموده و به شبکه واژگان نیز مرتبط گردد. در جدول ۴-۱، یک شمای کلی از جداول این بانک اطلاعاتی نمایش داده شده است.
همان‏طور که گفته شد، در سیستم شناسایی اشاره با در نظر گرفتن یک سری قوانین و اولویت‏ها، اشاره‏ها و اطلاعات مربوط به آنها را از پیکره استخراج شده و در بانک اطلاعاتی ذخیره می‏شوند. سیستم شناسایی اشاره ارائه شده دراین پایان‏ نامه، به موازات ذخیره اطلاعات اشاره‏ها در جدول مربوط به اشاره‏ها، تمامی واژه‏های موجود در متن را نیز به جدول واژگان منتقل می‏نماید. ویژگی‏های جدول واژگان در جدول ۴-۱ مشاهده می‏شود.

شکل۴-۱: شمای کلی از جداول این بانک اطلاعاتی لوتوس

جدول ۴-۱: بانک اطلاعاتی سیستم کشف اشاره؛ جدول واژگان

Word_Table