Supervised and unsupervised learnin

Supervised and unsupervised learning algorithms have been applied to discover ontological concepts and relations from the extracted information. During concept learning, words/phrases that only perform grammatical functions and words that are unlikely to carry domain-specific meanings are filtered out using information retrieval techniques. The candidates for domain concepts can be sorted in the descending order of the strength of their relationships with other candidates. Relation learning generally relies on co-occurrence statistics of information. Approaches to relation learning vary in terms of the scope of co-occurrence, the metrics for the significance of co-occurrence, the criteria for selecting candidate concepts, and the thresholds for extracting potential relations. Some learning approaches require the assistance of domain-specific resources such as thesauri.

결과 (한국어) 1:

감독 및 자율 학습 알고리즘 적용 된 존재론적 개념 및 관계에서 추출 된 정보를 발견. 개념 학습 중 단어/구문 문법 기능 및 단어 도메인 특정 의미를 운반 하지 높습니다만 수행 하는 정보 검색 기술을 사용 하 여 밖으로 필터링 됩니다. 도메인 개념에 대 한 후보가 다른 후보와 그들의 관계의 힘의 내림차순에서 정렬할 수 있습니다. 일반적으로 학습 관계 공동 발생 통계 정보에 의존 합니다. 관계 학습 접근 공동 발생, 후보 개념과 잠재적인 관계를 추출 하기 위한 임계값을 선택 하기 위한 조건 공동 사건의 의미에 대 한 통계의 범위에서 변화 한다. 일부 학습 방식 동의어 같은 도메인 특정 리소스의 도움이 필요 합니다.

결과 (한국어) 2:

감독 및 자율 학습 알고리즘 정보로부터 추출 된 개념 및 론적 관계를 발견하기 위해 적용되었다. 개념 학습, 단어 / 문법 만 기능 및 정보 검색 기술을 이용하여 걸러 도메인 특정 의미를 수행 할 가능성이있는 단어를 수행하는 동안 구. 도메인 개념에 대한 후보는 다른 후보와의 관계의 강도의 내림차순으로 정렬 할 수 있습니다. 관계 학습은 일반적으로 정보의 공동 발생 확률에 의존한다. 관계 학습 접근법은 동시 발생의 범위의 관점에서 다양 동시 발생의 통계적 유의 메트릭, 후보 컨셉을 선택하기위한 기준, 및 잠재적 인 관계를 추출하기위한 임계 값. 일부 학습 방법은 시소러스와 같은 도메인 특정 자원의 도움을 필요로한다.

결과 (한국어) 3:

감시 및 무인 학습 알고리즘 존재론적 개념 및 관계에서 추출된 정보 검색에 적용되어 있어야 합니다. 개념 학습 중에 단어만/ 문법 기능을 수행하는 문장 및 도메인별 의미를 가집니다 가능성은 낮다고 말 정보 검색 기술을 사용하여 여과되어 나갑니다.도메인 개념에 대한 다른 후보 후보자와의 관계의 강도의 내림차순으로 정렬할 수 있습니다. 관계 학습이 대체로 정보의 공동 발생 통계에 의존하고 있다. 관계 학습에 대한 다양한 접근 방법 공동 발생의 범위의 용어, 공동 발생은 그 중요성을 메트릭, 후보 개념을 선택하는 기준에 따라 다양합니다.그리고 잠재적인 관계 추출용 임계값. 일부 학습 접근법 thesauri 같은 도메인별 자원의 도움을 필요로 합니다.