This section is concerned with the

This section is concerned with the scheme of applying the proposed KNN version which was described in section 3.3 to the keyword extraction task. Before doing so, we need to transform the task into one where machine learning algorithms are applicable as the flexible and adaptive models. We prepare the words which are labeled with ‘keyword’ or ‘not’ as the sample data. The words are encoded into numerical vectors by the scheme which was described in section 3.2. Therefore, in this section, we describe the process of extracting keywords from texts automatically using the proposed KNN with the view of the keyword extraction into a classification task.

결과 (한국어) 1:

이 섹션은 섹션 3.3 키워드 추출 작업을에 설명 했다 제안된 KNN 버전 적용의 계획에 염려 한다. 이렇게 하기 전에, 우리는 기계 학습 알고리즘은 유연 하 고 적응 모델 적용으로 작업을 변환 해야 합니다. 우리는 단어를 '키워드' 또는 '' 아니라 예제 데이터 표시를 준비 합니다. 단어 숫자 벡터에 섹션 3.2에에서 설명 된 방식으로 인코딩됩니다. 따라서,이 섹션에서 우리 분류 작업에 키워드 추출의 전망을 가진 제안된 KNN을 사용 하 여 자동으로 텍스트에서 키워드를 추출 하는 프로세스를 설명 합니다.

결과 (한국어) 2:

이 섹션은 키워드 추출 작업에 3.3 절에 기술 된 제안 KNN 버전을 적용하는 방식에 관한 것이다. 그렇게하기 전에, 기계 학습 알고리즘은 유연하고 적응 모델로 적용될 수있다 하나로 변환 작업을 할 필요가있다. 우리는 '키워드'또는 '하지'샘플 데이터 등으로 표시되는 단어를 준비합니다. 단어는 3.2 절에 설명 된 방식에 의해 수치 벡터로 인코딩된다. 따라서,이 섹션에서 우리는 자동으로 분류 작업에 키워드 추출 볼 수있는 제안 KNN을 사용하여 텍스트에서 키워드를 추출하는 과정을 설명합니다.

결과 (한국어) 3:

이 길은 관심 방안을 제시한 근린 버전 사용 설명 단어 추출 제 3 ~ 이 임무를 완성할 수 있다.이렇게 전에, 우리는 반드시 변환 가서 이 일을 기계 학습 방법을 부드러운, 적용 적응 모델.우리 말 태그 준비 있다. '또는' 아니 '이 샘플 데이터.이 말은 수치 벡터 인코딩 방안을 제 3 거야.그래서 이 부분, 우리 설명 은 자동으로 추출 키 사용 방법을 텍스트 대해 같이 보면 키워드 추출 분류 임무를 것이다.