4.3 Extracting Specialized Vocabula

4.3 Extracting Specialized Vocabularies from the Three Business-Oriented
Vocabularies
In order to extract specialized vocabularies and to observe the characteristics of each one,
two statistical measures, LLR and MI, were applied to identify the specialized words in each
of the three corpora, using the methodology described in Chujo & Utiyama (2004) and
Utiyama et al. (2004). These measures identify words whose frequency is significantly higher
in a small text of interest, i.e., the BNC dialogues, Business Eigo, and the TOEIC tests, rather
than in a large reference corpus, i.e., the BNC HFWL mentioned earlier.

ผลลัพธ์ (ไทย) 1:

4.3 การแยกศัพท์เฉพาะจาก 3 ธุรกิจศัพท์เพื่อที่ จะดึงเฉพาะศัพท์ และสังเกตลักษณะของแต่ละคนสองมาตรการทางสถิติ LLR และ MI ถูกนำไปใช้เพื่อระบุคำเฉพาะทางในแต่ละของซีกสาม ใช้วิธีการอธิบายไว้ใน Chujo และ Utiyama (2004) และUtiyama et al. (2004) มาตรการเหล่านี้ระบุคำที่มีความถี่จะสูงในข้อความที่ขนาดเล็กน่าสนใจ เช่น BNC เวทีเสวนา ธุรกิจ Eigo และการทดสอบ TOEIC ค่อนข้างกว่าใน corpus อ้างอิงใหญ่ เช่น BNC HFWL กล่าวถึงก่อนหน้านี้

ผลลัพธ์ (ไทย) 2:

4.3 การแยกเฉพาะคำศัพท์จากสามธุรกิจที่มุ่งเน้น
คำศัพท์
เพื่อดึงคำศัพท์เฉพาะและจะสังเกตเห็นลักษณะของแต่ละคนที่
สองมาตรการสถิติ LLR และ MI, ถูกนำไปใช้ในการระบุคำเฉพาะในแต่ละ
แห่งที่สาม corpora ใช้ วิธีการอธิบายไว้ใน Chujo & Utiyama (2004) และ
Utiyama et al, (2004) มาตรการเหล่านี้ระบุคำที่มีความถี่สูงขึ้นอย่างมีนัยสำคัญ
ในข้อความขนาดเล็กที่น่าสนใจคือบทสนทนา BNC, Eigo ธุรกิจและการทดสอบ TOEIC ค่อนข้าง
กว่าในคลังอ้างอิงขนาดใหญ่กล่าวคือ BNC HFWL กล่าวก่อนหน้านี้

ผลลัพธ์ (ไทย) 3:

4.3 การแยกคำศัพท์เฉพาะจาก 3 ธุรกิจที่มุ่งเน้นศัพท์ในการแยกคำศัพท์เฉพาะ และสังเกตลักษณะของแต่ละคน2 สถิติมาตรการไมและมิ ถูกใช้เพื่อระบุเฉพาะในแต่ละคำสามของคลังข้อมูลโดยใช้วิธีการที่อธิบายไว้ในชุโจ & utiyama ( 2004 ) และutiyama et al . ( 2004 ) มาตรการเหล่านี้หาคำที่มีความถี่สูงกว่าในข้อความขนาดเล็กที่น่าสนใจ เช่น การ eigo BNC , ธุรกิจ , และ TOEIC ทดสอบค่อนข้างมากกว่าในคลังข้อมูลขนาดใหญ่อ้างอิง เช่น hfwl BNC ที่กล่าวถึงก่อนหน้านี้