Let us survey the previous cases of

Let us survey the previous cases of encoding texts into structured forms for using the machine learning algorithms to text mining tasks. The three main problems, huge dimensionality, sparse distribution, and poor transparency, have existed inherently in encoding them into numerical vectors. In previous works, various schemes of preprocessing texts have been proposed, in order to solve the problems. In this survey, we focus on the process of encoding texts into alternative structured forms to numerical vectors. In other words, this section is intended to explore previous works on solutions to the problems.

결과 (한국어) 1:

텍스트 마이닝 작업에 대 한 알고리즘을 학습 하는 기계를 사용 하 여 구조화 된 형태로 인코딩 텍스트의 이전 경우를 조사 합시다. 세 가지 주요 문제, 거 대 한 차원, 스파스 유통 및 가난한 투명도, 숫자 벡터에 인코딩에 본질적으로 존재 합니다. 이전 작품에서 전처리 텍스트의 다양 한 제도 제안 되었습니다, 문제를 해결 하기 위해. 이 조사에서 우리는 숫자 벡터 다른 구조화 된 형태로 텍스트를 인코딩 하는 과정에 초점. 즉,이 섹션은 문제에 해결책에 이전 작품을 탐구 하는 위한 것입니다.

결과 (한국어) 2:

우리 채광 작업 텍스트 기계 학습 알고리즘을 사용하는 형태로 구조화 인코딩 텍스트의 이전 사건을 조사하자. 세 가지 주요 문제, 거대한 차원, 스파 스 유통, 가난한 투명성, 수치 벡터로를 인코딩에 본질적으로 존재하고있다. 기존 연구에서는 전처리 텍스트의 다양한 방식이 과제를 해결하기 위해 제안되었다. 이 설문 조사에서, 우리는 수치 벡터 대안 구조화 된 형태로 텍스트를 인코딩하는 과정에 초점을 맞 춥니 다. 즉,이 부분은 문제에 대한 해결책에 이전 작품을 탐구하기위한 것입니다.

결과 (한국어) 3:

우리들은 과거의 사례 조사 인코딩 텍스트 구조적 형식의 기계 학습 방법을 이용하여 텍스트 채굴 작업.세 개의 주요 문제는 거대한 차원, 성긴 분포, 불쌍한 투명도, 이미 인코딩 수치 벡터 타고난 것이다.지난 일을 이미 여러 가지 처리 텍스트 대해이 문제를 해결할 수 있다.이 조사 과정에서, 우리는 집중 인코딩 텍스트 수치 벡터 대체 구조적 형태.그러니까 제 것은 물론, 이 문제를 해결할 방법을 이전 작품.