การจัดหมวดหมู่บทคัดย่อภาษาอังกฤษแบบ

การจัดหมวดหมู่บทคัดย่อภาษาอังกฤษแบบอัตโนมัติโดยใช้เทคนิคการเรียนรู้ของเครื่อง ใช้หลักการของการทำเหมืองข้อความ คือ กระบวนการที่กระทำกับข้อความ เพื่อค้นหารูปแบบ แนวทาง และความสัมพันธ์ที่ซ่อนอยู่ในชุดข้อความนั้น โดยอาศัยหลักสถิติ การรู้จำ การเรียนรู้ของเครื่อง ซึ่งโมเดลที่ได้จากการทำเหมืองข้อความในการจัดหมวดหมู่บทคัดย่อนั้น มาจากการจำแนกโดยใช้อัลกอริทึมต้นไม้ตัดสินใจ นาอีฟเบย์ ซัพพอร์ตเวกเตอร์แมชชีน และเคเนียเรสเนเบอร์ และใช้การวัดประสิทธิภาพโดยใช้ค่าความถูกต้อง (Accuracy), ค่าความแม่นยำ (Precision), ค่าระลึก (Recall) และประสิทธิภาพโดยรวมของระบบ (F-measure) เพื่อให้ได้โมเดลที่มีประสิทธิภาพสำหรับการนำไปใช้ในการพัฒนาเว็บแอพพลิเคชั่นในการจัดหมวดหมู่บทคัดย่อปริญญานิพนธ์แบบอัตโนมัติ
โมเดลและเว็บแอพพลิเคชั่นสำหรับการจัดหมวดหมู่บทคัดย่อภาษาอังกฤษแบบอัตโนมัติได้ถูกพัฒนาขึ้น โดยส่วนของโมเดลใช้โปรแกรม WEKA 3.6.11 ในการพัฒนา และส่วนของเว็บแอพพลิเคชั่นถูกพัฒนาโดยใช้ภาษา PHP ซึ่งง่ายต่อการพัฒนา การติดตั้ง และการบำรุงรักษา

ผลลัพธ์ (อังกฤษ) 1:

Procurement category abstract English automatically by machine learning techniques Use of text mining is a process that is performed on the text to search for patterns and relationships hidden in the main set, the text on the basis of statistics. Recognition. Learning that the mining model text in category abstract. Derived from a classification using decision tree algorithm Na toemaet e fabe support port in Sheen and wek k restaurant natural harbour and is used to measure performance based on the value the accuracy (Accuracy), accuracy (Precision), the gift (Recall), and the overall performance of the system (F-measure) to provide an effective model for the development of Web applications in the category of automatic degree thesis abstract.Model and application for category abstract English was developed. Most of the model using WEKA 3.6.11 and development sections of a Web application is developed using the PHP language that is easy to develop, install and maintain.

ผลลัพธ์ (อังกฤษ) 2:

Abstract English classification automatically using machine learning techniques. The use of text mining process is done with the message. To discover patterns and relationships hidden in the series that message. Recognition in the statistical analysis of machine learning. The models of text mining in the abstract classification. By classification using decision tree algorithm Naif Bay support vector machine. And Daniel K. Las Numbers. And the performance by the accuracy (Accuracy), accuracy (Precision), the Memorial (Recall) and the overall efficiency of the system (F-measure) in order to have effective models for adoption. developing web applications in classification ABSTRACT automated
modeling and web applications for classification Abstract English automatically have been developed. By using WEKA 3.6.11 of the models in the development of web applications and applications developed using PHP language for easy development, installation and maintenance.

ผลลัพธ์ (อังกฤษ) 3:

English abstract automatic classification using machine learning techniques. Use the principle of text mining is a process that did the text to find patterns guidelinesOn the principle of statistics, machine learning, and recognition. The model of text mining in the classification of abstract. From classification using decision tree algorithm, Na Eve Bay, support vector machineThe measuring accuracy and efficiency using (Accuracy),The accuracy (Precision), the recall (Recall) and the overall efficiency of the system (F-measure) to obtain the effective model for use in the development of web application in the classification of abstract degree and automatic นธ์
.Model and web application for classification of English abstract automatic has been developed. The model WEKA 3.6 program.11 in development. The web application is developed using a language which is easy to PHP development, installation, and maintenance
.