Term filtering. Learning ontologies

Term filtering. Learning ontologies from the text is subject to high false alarms caused by a large number of extraneous terms in discovering domain-specific concepts. The noise terms would engender even more superfluous associations and computation cost. Therefore, it is important to filter such terms as early as possible in ontology learning. Mutual information and traditional term weighting techniques developed for information retrieval have been utilized in selecting domain-specific terms [32, 104]. Contrast analysis is another practical means to distinguish concepts of the target domain from those of other domains [28, 67]. Nonetheless, how to select contrast domain(s) remains an issue. Such domains are expected to be diverse enough to identify domain-specific concepts and similar enough to screen out common terms. Furthermore, anaphora resolution [105] and co-reference resolution [106], aiming to identify entities referred by pronouns and definite noun phrases, has great potential in refining the discovery of concepts and relations.

결과 (한국어) 1:

필터링 용어. 많은 검색 도메인 관련 개념 없는 조건으로 인 한 높은 가짜 경보는 텍스트 로부터 온톨로지를 학습. 소음 용어 것 더 많은 불필요 한 연결 및 계산 비용 낳 다. 따라서, 그것은 존재론 학습에 가능한 한 빨리 이러한 용어를 필터링 하는 것이 중요입니다. 전통적인 용어 가중치 기법 정보 검색에 대 한 개발 및 상호 정보 [32, 104] 도메인 관련 용어 선택에 이용 되었습니다. 대비 분석은 다른 실용적인 [28, 67] 다른 도메인의 대상 도메인의 개념을 구별 하는 것을 의미 합니다. 그럼에도 불구 하 고, 대비 도메인을 선택 하는 방법에 문제가 남아 있다. 이러한 도메인 도메인 관련 개념을 식별 하는 다양 한 고 충분히 일반적인 용어를 화면 비슷한 것으로 예상 된다. 또한, anaphora 해상도 [105] 그리고 공동 참조 확인 [106], 엔터티를 식별 하는 것을 작정 인 대명사와 명확한 명사 어구에 의해 참조 된, 개념 및 관계의 발견을 정제에 큰 잠재력이 있다.

결과 (한국어) 2:

용어 필터링. 텍스트에서 온톨로지 학습 영역 별 개념을 발견에없는 조항의 다수에 의한 높은 거짓 경보에 따라 달라질 수 있습니다. 노이즈 조건은 더욱 불필요 협회와 계산 비용을 발생시킬 것입니다. 따라서 온톨로지 학습 가능한 한 조기 등의 용어를 필터링하는 것이 중요합니다. 상호 정보와 정보 검색 용으로 개발 된 기존의 용어 가중치 기법은 도메인 특정 조건 [32, 104]을 선택하는데 이용되어왔다. 대조 분석은 다른 도메인 [28, 67]의 것들로부터 대상 도메인의 개념을 구별하는 다른 실용적인 방법이다. 그럼에도 불구하고, 대비 도메인을 선택하는 방법에 문제가 남아있다. 이러한 도메인은 도메인 별 개념과 일반적인 용어를 걸러 정도로 비슷한을 식별 할 수있을만큼 다양한 것으로 예상된다. 또한, 대명사와 명확한 명사구에 의해 참조 된 개체를 식별하는 것을 목표로 성찬기도 해상도 [105]와 공동 기준 해상도 [106], 개념과 관계의 발견을 정제에 큰 잠재력을 가지고있다.

결과 (한국어) 3:

장기 필터.이 텍스트 본체 공부는 높은 오보, 대량 외래 용어 발견 특정 분야의 개념.잡음 생기 더 이상 쓸데없는 연상 및 계산 비용.따라서, 그것은 필터 등 방면에서 빨리 지금 본체 학습 중요하다.서로 정보를 전통적 가중된 기술 개발 정보 검색 이미 다른 선택의 특정 분야의 전문 [32104].대비분석 구분 도메인 개념 및 기타 분야 목표를 다른 현실 수단 [28 67.그런데 어떻게 대비 필드 선택 (S) 여전히 문제다.이렇게 될 정도로 다양한 특정 분야의 식별 필드 개념 및 충분한 비슷한 선별하다 일반적인 용어.또 대신 해소 [프로그램은] 와 공동 인삼 해상도 [106] 손가락 확정하기 실체의 대명사, 명사 구 따르면, 완벽한 개념 및 관계 발견 엄청난 잠재력을 가지고 있다.