We mention the process where an art

We mention the process where an article is given as the input and a list of keywords is generated as the output. We nominate the classifier which corresponds to the sub-group which is similar as the given article, based on its content. A list of words is extracted by indexing the article, and each word is encoded into structured forms. The extracted words are classified by the nominated classifier into ‘keyword’ or ‘not’, and the words which are classified into the former are selected. The performance depends on the granularity of each sub-group; it should be optimized between the two factors: the amount of sample examples and the subgroup granularity.

결과 (한국어) 1:

우리는 문서 입력으로 주어진 키워드의 목록 출력으로 생성 과정을 언급. 우리는 그것의 내용에 따라 특정된 기사로 유사한 하위 그룹에 해당 하는 분류자를 지정 합니다. 단어의 목록 문서를 색인 생성 하 여 추출 되 고 각 단어는 구조화 된 양식으로 인코딩됩니다. 추출 된 단어는에 의해 분류 지명된 분류자 '키워드'에 ' 안 ', 그리고 전로 분류 되는 단어가 선택 됩니다. 각 하위 그룹;의 세분성에 따라 성능 두 요소 사이의 최적화 합니다: 샘플 예제와 하위 그룹 세분성의 금액.

결과 (한국어) 2:

우리는 입력 및 키워드리스트를 출력으로 생성 된 문서로 주어진 프로세스를 언급. 우리는 그 내용에 기초하여, 주어진 문서와 유사하다 서브 그룹에 대응하는 분류기를 지명. 단어리스트가 문서를 인덱싱하여 추출하고, 각각의 워드는 구조화 된 형태로 인코딩된다. 추출 된 단어 '키워드'또는 '하지'로 지명 분류기에 의해 분류되고, 이전에 분류 된 단어가 선택된다. 성능은 각 서브 그룹의 입도 (granularity)에 의존한다; 예 샘플의 양 및 서브 그룹 단위 : 이는 두 요소 사이에 최적화되어야한다.

결과 (한국어) 3:

우리는 이번 과정 중 한 입력, 제 대해 목록 생성 중 키 입력을.'은 우리 소터 그룹 비슷한 거야. 이 때문에 제 따라 그 내용.한 단어 목록 쓰는 검색 단어 제, 코드 구조적 형식의 것이다.지금 무슨 말을 따라 지정한 소터 된 키워드 '또는' 아니 ', 이 분 전 단어 선택.확장 기능 달려 모든 하위 그룹; 반드시 가장 둘 수가 있습니다: 샘플 및 군 입도.