The second set includes n-grams cre

The second set includes n-grams created using dummy words to replace certain
concepts in the sentences. For example, “In 1970 furosemide was reported to cause. . .”
would be replaced by “In was reported to cause. . . .” The authors tested
several machine-learning algorithms including ZeroR, Naive Bayes, Decision Tree, and
Support Vector Machines (SVM) using a combination of features and found that the
best performance was obtained using SVM and a combination of statistical features
and n-grams up to 3.

ผลลัพธ์ (ไทย) 1:

ชุดที่สองมี n กรัมสร้างขึ้นโดยใช้คำที่มีตัวตนแทนบางแนวคิดในประโยค ตัวอย่างเช่น "ในปี 1970 furosemide ถูกรายงานทำให้."จะถูกแทนที่ด้วย" รายงานทำ... " ผู้เขียนทดสอบเรียนรู้ของเครื่องหลายอัลกอริทึมรวมถึง ZeroR ไร้เดียงสา Bayes ต้นไม้การตัดสินใจ และสนับสนุนเวกเตอร์เครื่อง (SVM) ใช้การรวมกันของคุณลักษณะ และพบว่าการประสิทธิภาพดีที่สุดมาใช้ SVM และการรวมกันของคุณลักษณะทางสถิติและ n-กรัมสูงสุด 3

ผลลัพธ์ (ไทย) 2:

ชุดที่สองรวมถึง N-กรัมสร้างขึ้นโดยใช้คำพูดที่จะมาแทนที่หุ่นบาง
แนวคิดในประโยค ยกตัวอย่างเช่น "ในปี 1970 furosemide มีรายงานว่าจะก่อให้เกิด . . "
จะถูกแทนที่ด้วย" ในมีรายงานว่าจะก่อให้เกิด . . . "ผู้เขียนทดสอบ
อัลกอริทึมเครื่องเรียนรู้หลายอย่างรวมทั้ง ZeroR ไร้เดียงสา Bayes, ต้นไม้ตัดสินใจและ
การสนับสนุนเครื่องเวกเตอร์ (SVM) โดยใช้การรวมกันของคุณสมบัติและพบว่า
ประสิทธิภาพการทำงานที่ดีที่สุดที่ได้รับใช้ SVM และการรวมกันของคุณสมบัติทางสถิติ
และการละลายของ กรัมถึง 3