The results may seem to contradict

The results may seem to contradict prior results in text document modeling that have shown the advantages of latent topic model over latent semantic analysis [9, 10]. We argue that this is because only small number of words are available for each description of an audio clip, while previous reports were performed on text documents which include many words for a single document. As given in Table 2, the average number of words in a description is 7.2 which might be too small to train the topic models which utilize a probabilistic approach; LSA utilizes a deterministic method.

ผลลัพธ์ (ไทย) 1:

ผลลัพธ์อาจดูเหมือนจะ ขัดแย้งกับผลก่อนในการสร้างแบบจำลองเอกสารข้อความที่แสดงให้เห็นข้อดีของรุ่นแฝงหัวข้อผ่านการวิเคราะห์ความหมายแฝง [9, 10] เราเถียงว่า นี้เนื่องจากจำนวนคำเฉพาะขนาดเล็กมีอยู่สำหรับแต่ละคำอธิบายของปเสียง ในขณะที่รายงานก่อนหน้านี้ได้ดำเนินการในเอกสารข้อความซึ่งมีคำมากสำหรับเอกสารเดียว ที่กำหนดในตารางที่ 2 จำนวนเฉลี่ยของคำในคำอธิบายคือ 7.2 ซึ่งอาจเล็กเกินไปฝึกรุ่นหัวข้อซึ่งใช้แนวทางน่าจะ LSA ใช้วิธี deterministic

ผลลัพธ์ (ไทย) 2:

ผลลัพธ์ที่ได้อาจดูเหมือนจะขัดแย้งกับผลก่อนในการสร้างแบบจำลองเอกสารข้อความที่ได้แสดงให้เห็นข้อดีของรุ่นหัวข้อที่แฝงอยู่ในช่วงที่แฝงการวิเคราะห์ความหมาย [9, 10] เรายืนยันว่านี้เป็นเพราะเพียงจำนวนน้อยของคำที่มีอยู่สำหรับรายละเอียดของคลิปเสียงแต่ละขณะที่รายงานก่อนหน้านี้ได้รับการดำเนินการเกี่ยวกับเอกสารข้อความซึ่งรวมถึงหลายคำในเอกสารเดียว ตามที่กำหนดในตารางที่ 2 ค่าเฉลี่ยของจำนวนคำในคำอธิบายคือ 7.2 ซึ่งอาจจะเล็กเกินไปในการฝึกอบรมรุ่นที่หัวข้อที่ใช้วิธีการที่น่าจะเป็น; LSA ใช้วิธีการที่กำหนด

ผลลัพธ์ (ไทย) 3:

ผลลัพธ์อาจจะดูขัดแย้งกับผลก่อนในข้อความในเอกสารแบบที่มีแสดงข้อดีของรูปแบบหัวข้อแฝงมากกว่าการวิเคราะห์ความหมายแฝง [ 9 , 10 ] เราโต้เถียงว่า นี้เป็นเพราะเพียงจำนวนเล็ก ๆของคำที่ใช้ได้สำหรับแต่ละรายละเอียดของคลิปเสียง ในขณะที่รายงานก่อนหน้านี้จำนวนเอกสารข้อความซึ่งรวมถึงหลายคำสำหรับเอกสารฉบับเดียว ตามที่ระบุในตารางที่ 2 โดยเฉลี่ยจำนวนคำในรายละเอียดเป็น 7.2 ซึ่งอาจจะเล็กเกินไปที่จะฝึกเรื่องรูปแบบซึ่งใช้วิธีการ Probabilistic ; LSA ใช้วิธีเชิงกำหนด .