Let us mention the remaining tasks

Let us mention the remaining tasks for doing the further research. We need to validate the proposed approach in specific domains such as medicine, engineering, and economics, as well as in generic domains such as ones of news articles. We may consider the computation of similarities among some main features rather than among all features for reducing the computation time. We try to modify other machine learning algorithms such as Naive Bayes, Perceptrons, and SVM (Support Vector Machine) based on both kinds of similarities. By adopting the proposed approach, we may implement the word clustering system as a real program.

결과 (한국어) 1:

추가 연구를 하 고 나머지 작업을 언급 합시다. 제안 된 접근의 뉴스 기사 들과 같은 일반 도메인에서 뿐만 아니라 의학, 공학, 경제, 등 특정 도메인의 유효성을 검사 해야 합니다. 우리는 유사성 보다는 계산 시간을 줄이기 위한 모든 기능 중 일부 주요 기능 중의 계산을 고려할 수 있습니다. 우리는 다른 기계 학습 알고리즘 Naive Bayes, 퍼셉트론으로, SVM (지지 벡터 머신) 두 종류의 유사성에 따라 등을 수정 하려고 합니다. 제안 된 접근을 채택해 서, 우리는 실제 프로그램으로 시스템을 클러스터링 하는 단어를 구현할 수 있습니다.

결과 (한국어) 2:

우리는 더 연구를위한 나머지 작업을 언급하자. 우리는 뉴스 기사들과 같은 의학, 공학, 경제학뿐만 아니라에서 일반 도메인으로 특정 도메인에서 제안 된 방법의 유효성을 검사 할 필요가있다. 우리는 몇몇 주요 기능 중보다는 계산 시간을 줄이기위한 모든 특징들 사이의 유사도 계산을 고려할 수있다. 우리는 유사성의 두 종류를 기반으로 이러한 나이브 베이 즈, 퍼셉트론 즈 (Perceptrons), 및 SVM (서포트 벡터 머신) 등의 기계 학습 알고리즘을 수정하려고합니다. 제안 된 접근 방식을 채택함으로써, 우리는 실제 프로그램으로서 단어 클러스터링 시스템을 구현할 수있다.

결과 (한국어) 3:

우리 얘기를 하면 남은 일을 깊이 연구하다.우리는 반드시 검증 방법 등 특정 분야의 의학 경제학 공사, 등 등 일반 도메인 사람 뉴스.우리는 할 수 있는 같은 몇 가지 주요 특징 중 계산 아니라 모든 특징 중 감소 시간을 계산하다.우리 천천히 수정 등 다른 기계 학습 방법을 조개 씨, 퍼셉트론, 지원 벡터 기반 두 가지 비슷한 점이 있다.이 방법은 통해 우리는 실행할 수 있는 단어 봉사 시스템 진짜 프로그램.