iyo-studio.blogspot.com

totti-yang.blogspot.com

[totti's blog] 命名是件麻煩的事: Lazy Associative Classification

http://totti-yang.blogspot.com/2007/03/lazy-associative-classification.html

這篇paper主要是介紹了一個新的associative classification的作法。一般來說，associative classifier會比decision tree classifier的準確率要來得高。因為decision tree classifier 是用greedy(local) search的方法，選出目前擁有最高information gain的attribute，加進tree裡面形成新的split node，對於此node的子樹來說，皆為該attribute與其他所剩下的attribute中，挑選擁有最高information gain的attribute來繼續splitting，直到所有的instance屬於同一個class或是此node已低於某特定的minimum support threshold等等。decision tree classifier的特點是快速且容易明瞭，缺點為local search的情況下容易忽略...訂閱： 張貼留言 (Atom). 波士尼亞赫塞哥維納, Bosnia and Herzegovina.

totti-yang.blogspot.com

[totti's blog] 命名是件麻煩的事: 三月 2007

http://totti-yang.blogspot.com/2007_03_01_archive.html

實作了K-means、Sammon's、Fuzzy-C-means演算法，以及SVM未知詞合併的計畫。程式一個接一個寫的過程中，不知不覺熟悉的速度就會愈來愈快，也就愈來愈上手。在寫程式的過程中，因為會碰到問題，因此查API變成了例行公式，漸漸的，有些觀念也應用的比較熟練了，像是 garbage collection，以前總是覺得不需要，但是隨著程式所牽扯的資料量愈來愈大，做gc反而變成了很重要的一回事。 在SVM未知詞合併的計畫裡，目前是用training data訓練SVM，而在training data裡標示為要合併的未知詞組合，像是(婦、唱、夫、隨)這四個"詞"被判定為要合併，但不會將它加進原有辭典中，因為只是讓SVM學會，碰到這種例子的時候，SVM要判定為合併，目的是讓SVM學習；不過現在老師說要將testing data判定為要合併的未知詞組合，要把它加進舊有的辭典裡去。 這篇paper主要是介紹了一個新的associative classification的作法。一般來說，associative classifier會比decision tree classifi...對於lazy asso...

totti-yang.blogspot.com

[totti's blog] 命名是件麻煩的事: 研究計畫(SVM using in Chinese Unknown Word)

http://totti-yang.blogspot.com/2007/02/svm-using-in-chinese-unknown-word.html

研究計畫(SVM using in Chinese Unknown Word). 之前學期尚未結束時，計畫停頓了一下子。並不是完全停頓，但是進度很慢。直到寒假開始，才又開始趕工。 因為training data太過龐大，因此我一直是以subset來做測試，測試辭典的index、屬性，測試Phase2 training的資料是否有正確處理到，包括計算其sliding window所組成的未知詞之frequency，以及該sliding window未知詞之prefix、suffix結合的機率，還有該sliding window的條件機率( P(1/2.3.4) or P(4/1.2.3) ，0是prefix，5是suffix。 在testing的部份，我用學長的程式將testing的數十個document組合成一起。結果當掉了.我再問問看學長好了。等到組合好，就可以拿去讓LIBSVM predict了。 訂閱： 張貼留言 (Atom). 研究計畫(SVM using in Chinese Unknown Word). 波士尼亞赫塞哥維納, Bosnia and Herzegovina.

totti-yang.blogspot.com

[totti's blog] 命名是件麻煩的事: 八月 2007

http://totti-yang.blogspot.com/2007_08_01_archive.html

Answering Relationship Queries on the Web. 這篇paper來自於WWW 2007，作者為三位IBM T.J Research Center的成員。在這篇paper中，作者想要探討，對於不同的entity(人、事、物)，如何透過網路搜尋引擎來找尋其中的關連性。現今的網路搜尋引擎對於keyword matching以及document ranking很擅長，但是如何去處理relationship queries，也就是找尋不同的keyword之間的關連性(ex:我們想要知道A與B兩人之間有無一些共同的特性)，卻沒有一套辦法，因此作者提出了這個新的議題，主要內容如下。 這篇論文希望從兩個不同的entity之間，透過網路搜尋引擎，擷取出一些相關的特性。因此作者. WWW 2007: Answering Relationship Queiries on the Web. 訂閱： 文章 (Atom). Answering Relationship Queries on the Web. 波士尼亞赫塞哥維納, Bosnia and Herzegovina.

totti-yang.blogspot.com

[totti's blog] 命名是件麻煩的事: 一月 2007

http://totti-yang.blogspot.com/2007_01_01_archive.html

Knowing a Web Page By the Company It Keeps (1/23). 這篇取自於 CIKM'2006的論文，內容主要是講如何透過neighboring page的資訊將target page 做分類。 Web page classification有許多資訊可以加以應用，包括網頁的內容及鏈結資訊等，這一篇論文則著重在相鄰網頁可以提供的分類效果。作者將相鄰網頁分成Parent，Child，Sibling及Sprouse四種類別，同時依據相鄰網頁是否經過label與否給予權重，再依相鄰網頁與target Page是否係出同門（網站）給予不同權重，最後對所有的參數如何影響分類的表現做了很完整的實驗。整篇的idea不是很困難，不過作者做了深入的研究以及實驗。 1 有label的網頁提供的分類效果總是比沒有label的網頁好(η Eta)。 2 四種鄰近網頁中屬Sibling的效最佳(β Beta)。 3 來自同一網站的相鄰網頁提供的資訊比其他網站的相鄰資訊有益於分類(θ Theta)。 內容主要是講如何透過neighboring page的資訊將target page 做分類&#...

totti-yang.blogspot.com

[totti's blog] 命名是件麻煩的事: 05/16 Ranking Objects by Exploiting Relationships:Computing Top-K over Aggregation

http://totti-yang.blogspot.com/2007/05/0516-ranking-objects-by-exploiting.html

05/16 Ranking Objects by Exploiting Relationships:Computing Top-K over Aggregation. 這篇paper是來自於SIGMOD 2006，主要是探討給定一些keyword query時，我們想要去某些document尋找相關的target object to match query，不過若是要進行完整的搜尋，事實上是很浪費時間且不切實際的，其實我們只需要找出最好的前k項就足夠了。因此，這篇paper就是以上述為目標，來進行如何計算object score與如何提升效能節省時間的early termination之研究。 4接下來是此篇paper的重點，他們提出了一個early termination的觀念，也就是說當我們確定找出了最好的k個target object，而且之後所搜尋的object都不會比這k個更好的話，我們就可以停止搜尋並回傳結果了。其中又分為generate-prune approach and generate-only approach&...訂閱： 張貼留言 (Atom).

totti-yang.blogspot.com

[totti's blog] 命名是件麻煩的事: <03/28>這兩三個禮拜

http://totti-yang.blogspot.com/2007/03/blog-post.html

實作了K-means、Sammon's、Fuzzy-C-means演算法，以及SVM未知詞合併的計畫。程式一個接一個寫的過程中，不知不覺熟悉的速度就會愈來愈快，也就愈來愈上手。在寫程式的過程中，因為會碰到問題，因此查API變成了例行公式，漸漸的，有些觀念也應用的比較熟練了，像是 garbage collection，以前總是覺得不需要，但是隨著程式所牽扯的資料量愈來愈大，做gc反而變成了很重要的一回事。 在SVM未知詞合併的計畫裡，目前是用training data訓練SVM，而在training data裡標示為要合併的未知詞組合，像是(婦、唱、夫、隨)這四個"詞"被判定為要合併，但不會將它加進原有辭典中，因為只是讓SVM學會，碰到這種例子的時候，SVM要判定為合併，目的是讓SVM學習；不過現在老師說要將testing data判定為要合併的未知詞組合，要把它加進舊有的辭典裡去。 訂閱： 張貼留言 (Atom). 波士尼亞赫塞哥維納, Bosnia and Herzegovina.

totti-yang.blogspot.com

[totti's blog] 命名是件麻煩的事: 二月 2007

http://totti-yang.blogspot.com/2007_02_01_archive.html

研究計畫(SVM using in Chinese Unknown Word). 之前學期尚未結束時，計畫停頓了一下子。並不是完全停頓，但是進度很慢。直到寒假開始，才又開始趕工。 因為training data太過龐大，因此我一直是以subset來做測試，測試辭典的index、屬性，測試Phase2 training的資料是否有正確處理到，包括計算其sliding window所組成的未知詞之frequency，以及該sliding window未知詞之prefix、suffix結合的機率，還有該sliding window的條件機率( P(1/2.3.4) or P(4/1.2.3) ，0是prefix，5是suffix。 在testing的部份，我用學長的程式將testing的數十個document組合成一起。結果當掉了.我再問問看學長好了。等到組合好，就可以拿去讓LIBSVM predict了。 訂閱： 文章 (Atom). 研究計畫(SVM using in Chinese Unknown Word). 波士尼亞赫塞哥維納, Bosnia and Herzegovina.

totti-yang.blogspot.com

[totti's blog] 命名是件麻煩的事: 七月 2007

http://totti-yang.blogspot.com/2007_07_01_archive.html

Compare&Contrast: Using the Web to Discover Comparable Cases for News Stories. 這篇來自於WWW 2007的paper，主要的目的是，為了提供使用者一個能做範例比較與比對的機會，user給定一個news article後，paper裡面所建構的系統會至web search engine去找尋相關的news stories，這也是paper標題選擇的原因。 這篇paper所提出的系統，名稱即為Compare&Contrast，它所做的事情是，給定一篇news article作為input後，一開始我們對這篇article建構一個story model: 對此document做sentence splitting與named entity recognition。paper做named entity tagging的原因是，它想要找出article內主要談論的named entity，可能是人名、地名、組織...2 除了把找出來的comparable case與answer key相比，作者還想要知道user對這些o...