To optimize the proposed prediction

To optimize the proposed prediction model in the future
work, we need to intensively select the input features and the
learning methods. In the case of features, the current number
of features is 12. Only the most significant subset of these 12
features might be optimal for a particular learning method. A
suitable way to select a subset of significant features such as a
minimum classification error (MCE) algorithm [13] can be
applied. Apart from the current features, one of interesting
features is the window size of POS sequences as it has been
proven to highly affect the performance of phrase break
prediction for English [1]. If the window size of POS
sequences is suitable, the learning method can better gather
crucial information from the input text.

ผลลัพธ์ (ไทย) 1:

ปรับแบบเสนอคาดเดาในอนาคตงาน เราต้องเลือกคุณลักษณะอินพุต intensively และเรียนรู้วิธีการ ในกรณีของคุณลักษณะ หมายเลขปัจจุบันคุณลักษณะคือ 12 เฉพาะชุดย่อยที่สำคัญของ 12 เหล่านี้ลักษณะการทำงานอาจจะเหมาะสมที่สุดสำหรับวิธีการเรียนรู้ Aวิธีที่เหมาะสมเพื่อเลือกชุดย่อยของคุณลักษณะที่สำคัญเช่นการสามารถจัดประเภทขั้นต่ำข้อผิดพลาด (MCE) อัลกอริทึม [13]นำไปใช้ จากปัจจุบันลักษณะการทำงาน หนึ่งที่น่าสนใจลักษณะการทำงานเป็นขนาดหน้าต่างลำดับ POS จะได้รับพิสูจน์แล้วว่ามีผลต่อประสิทธิภาพของวลีแบ่งสูงการคาดเดาในอังกฤษ [1] ถ้าขนาดหน้าต่างของ POSลำดับเหมาะสม วิธีการเรียนรู้สามารถดีรวบรวมข้อมูลสำคัญจากการป้อนข้อความ

ผลลัพธ์ (ไทย) 2:

เพื่อเพิ่มประสิทธิภาพการทำนายรูปแบบที่นำเสนอในอนาคตการทำงานเราต้องเลือกอย่างหนาแน่นคุณสมบัติการป้อนข้อมูลและวิธีการเรียนรู้ ในกรณีที่มีคุณสมบัติจำนวนปัจจุบันของคุณสมบัติที่เป็น 12. เฉพาะเซตที่สำคัญที่สุดของเหล่านี้ 12 คุณสมบัติที่อาจจะเหมาะสมสำหรับวิธีการเรียนรู้โดยเฉพาะอย่างยิ่ง วิธีการที่เหมาะสมในการเลือกส่วนหนึ่งของคุณสมบัติที่สำคัญเช่นข้อผิดพลาดการจัดหมวดหมู่ขั้นต่ำ (MCE) อัลกอริทึม [13] สามารถนำไปประยุกต์ใช้ นอกเหนือจากคุณสมบัติในปัจจุบันซึ่งเป็นหนึ่งในที่น่าสนใจคุณสมบัติเป็นขนาดของหน้าต่างของลำดับ POS ตามที่ได้รับการพิสูจน์แล้วว่าสูงส่งผลกระทบต่อประสิทธิภาพการทำงานของการแบ่งคำทำนายสำหรับภาษาอังกฤษ [1] ถ้าขนาดของหน้าต่างหน้าร้านลำดับเหมาะวิธีการเรียนรู้ที่ดีกว่าสามารถรวบรวมข้อมูลที่สำคัญจากข้อความที่นำเข้า

ผลลัพธ์ (ไทย) 3:

เพื่อเพิ่มประสิทธิภาพการเสนอแบบจำลองการทำนายในการทำงานในอนาคต
, เราต้องเลือกใส่ชุดคุณลักษณะและ
การเรียนรู้วิธีการ ในกรณีที่มีหมายเลขปัจจุบัน
คุณสมบัติเป็น 12 แต่ที่สำคัญที่สุดส่วนหนึ่งของคุณสมบัติ 12
เหล่านี้อาจจะเหมาะสมสำหรับวิธีการเรียนรู้ที่เฉพาะเจาะจง เป็นวิธีที่เหมาะที่จะเลือกส่วนย่อย

คุณสมบัติสำคัญ เช่นข้อผิดพลาดการจำแนกน้อยที่สุด ( MCE ) ขั้นตอนวิธี [ 13 ] สามารถ
ประยุกต์ นอกเหนือจากคุณสมบัติปัจจุบัน หนึ่งในคุณลักษณะที่น่าสนใจ
เป็นหน้าต่างขนาดของอนุกรม POS ตามที่ได้รับ
พิสูจน์สูงมีผลต่อประสิทธิภาพของวลีแบ่ง
พยากรณ์ภาษาอังกฤษ [ 1 ] ถ้าขนาดหน้าต่างของระบบ POS
เหมาะ วิธีการเรียนดีขึ้นสามารถรวบรวม
ข้อมูลสำคัญจากข้อมูลข้อความ