Let us mention the popularity of en

Let us mention the popularity of encoding texts into numerical vectors, and the proposal and the application of string kernels as the solution to the above problems. In 2002, Sebastiani presented the numerical vectors are the standard representations of texts in applying the machine learning algorithms to the text classifications [4]. In 2002, Lodhi et al. proposed the string kernel as a kernel function of raw texts in using the SVM (Support Vector Machine) to the text classification [5]. In 2004, Lesile et al. used the version of SVM which proposed by Lodhi et al. to the protein classification [6]. In 2004, Kate and Mooney used also the SVM version for classifying sentences by their meanings [7].

결과 (한국어) 1:

우리가 언급 수치 벡터에 인코딩 텍스트의 인기 그리고 제안 솔루션으로 위의 문제 문자열 커널 적용. 2002 년에, Sebastiani 제시 숫자 벡터는 기계 학습 알고리즘 텍스트 분류 [4]을 적용에 텍스트의 표준 표현입니다. 2002 년에, Lodhi 외. SVM (지지 벡터 머신)를 사용 하 여 텍스트 분류 [5]에 있는 원시 텍스트의 커널 함수로 문자열 커널 제안. 2004 년에, Lesile 그 외 여러분 단백질 분류 [6] SVM은 제안 Lodhi 외의 버전을 사용. 2004 년에, 케이트와 무 니 버전을 사용도 SVM 분류 문장에 대 한 그들의 의미 [7]에 의해.

결과 (한국어) 2:

우리가 수치 벡터에 텍스트를 인코딩의 인기, 그리고 제안과 위의 문제의 해결책으로 스트링 커널의 적용을 언급하자. 2002 년 Sebastiani은 수치 벡터가 텍스트로 분류 기계 학습 알고리즘을 적용하는 텍스트의 표준 표현이다 제시 [4]. 2002 년, Lodhi 등. 텍스트 분류 [5]에 SVM (서포트 벡터 기계)를 사용하여 원시 텍스트의 커널 함수로서 문자열 커널을 제안 하였다. 2004 년, Lesile 등의 알. Lodhi 등에 의해 제안 된 SVM의 버전을 사용했다. 단백질 분류 [6]. 2004 년, 케이트와 무니는 그 의미 [7]에 의해 문장을 분류하는 또한 SVM 버전을 사용했다.

결과 (한국어) 3:

우리 얘기를 인코딩 수치 벡터 인기 텍스트, 제안, 문자열 응용 핵 문제를 해결하기 위해.2002년 수치 벡터 거야, sebastiani 표준 표현 텍스트 기계 학습 방법을 이용하여 텍스트 분류 [4].2002년 lodhi 등.문자열 커널 대해 한 커널 기능 사용 중 원본 텍스트 지원 벡터 텍스트 정렬 (5) 이 있다.2004년 lesile 등.이 버전 사용 방법을 lodhi 등 제출한.분류 (6) 이 단백질.2004년 케이트는 컴퓨터 버전 공자 데 뜻을 나누다 문장.