2) Resnik similarity Algorithm(Phil

2) Resnik similarity Algorithm

(Philip Resnik) 1995[9], Sun Microsystems Laboratories, presents an alternative to path finding via the notion of information content. This is a measure of specificity assigned to each concept in a hierarchy based on evidence found in a corpus. A concept with high information content is very specific, while concepts with lower information content are associated with more general concepts. The information content of a concept is estimated by counting the frequency of that concept in a large corpus, along with the frequency of all the concepts that are subordinate to it in the hierarchy. The probability of a concept is determined via a maximum likelihood estimate, and the information content is the negative log of this probability.

Resnik defines a measure of similarity that holds that two concepts are semantically related proportional to the amount of information they share. The quantity of shared information is determined by the information content of the lowest concept in the hierarchy that subsumes both the given concepts. x information-content word-similarity:
x Still relies on structure of thesaurus x Refines path-based approach using normalizations based on hierarchy depth

x Represents distance associated with each edge
x Adds probabilistic information derived from a corpus
x Probability of random word being an instance of concept :

ผลลัพธ์ (ไทย) 2:

2) Resnik คล้ายคลึงกันอัลกอริทึม(ฟิลิป Resnik) 1995 [9], ห้องปฏิบัติการซันไมโครซิสเต็มส์นำเสนอทางเลือกในการหาเส้นทางผ่านทางความคิดของเนื้อหาข้อมูล นี้เป็นตัวชี้วัดความจำเพาะกับแนวคิดที่ได้รับมอบหมายในแต่ละลำดับชั้นขึ้นอยู่กับหลักฐานที่พบในร่างกาย แนวคิดที่มีเนื้อหาข้อมูลที่สูงมากโดยเฉพาะในขณะที่แนวความคิดที่มีเนื้อหาข้อมูลที่ต่ำกว่าที่เกี่ยวข้องกับแนวความคิดที่กว้างขึ้น ข้อมูลเนื้อหาของแนวคิดการให้เป็นที่คาดกันโดยการนับความถี่ของแนวคิดที่ในคลังใหญ่พร้อมกับความถี่ของแนวความคิดทั้งหมดที่มีผู้ใต้บังคับบัญชาในลำดับชั้น น่าจะเป็นของแนวคิดที่จะพิจารณาผ่านการประเมินความน่าจะเป็นสูงสุดและเนื้อหาข้อมูลที่บันทึกเชิงลบของความน่าจะเป็นนี้. Resnik กำหนดตัวชี้วัดของความคล้ายคลึงกันที่ถือได้ว่าทั้งสองแนวคิดที่เกี่ยวข้องกับความหมายสัดส่วนกับปริมาณของข้อมูลที่พวกเขาร่วมกัน ปริมาณข้อมูลที่ใช้ร่วมกันของจะถูกกำหนดโดยเนื้อหาข้อมูลของแนวคิดต่ำสุดในลำดับชั้นที่ subsumes ทั้งแนวความคิดที่ได้รับ x ข้อมูลเนื้อหาคำคล้ายคลึงกัน: x ยังคงอาศัยอยู่กับโครงสร้างของพจนานุกรม x กลั่นวิธีเส้นทางโดยใช้ normalizations ขึ้นอยู่กับความลึกของลำดับชั้นx หมายถึงระยะทางที่เกี่ยวข้องกับขอบแต่ละx เพิ่มข้อมูลที่น่าจะเป็นมาจากคลังน่าจะเป็นx ของคำสุ่มเป็นตัวอย่าง แนวคิด:

ผลลัพธ์ (ไทย) 3:

2 ) เรสนิกความเหมือนขั้นตอนวิธี

( ฟิลลิป เรสนิก ) 1995 [ 9 ] , Sun Microsystems ห้องปฏิบัติการ , นำเสนอทางเลือกเส้นทางการค้นหาผ่านทางความคิดของข้อมูล นี้เป็นการวัดความจำเพาะมอบหมายให้แต่ละแนวคิดในลำดับชั้นตามหลักฐานที่พบในคลังข้อมูล เป็นแนวคิดที่มีปริมาณข้อมูลสูงมากเฉพาะในขณะที่แนวคิดที่มีเนื้อหาข้อมูลล่างเกี่ยวข้องกับแนวคิดทั่วไปมากขึ้น ข้อมูลเนื้อหาของแนวคิดที่ถูกประเมินโดยการนับความถี่ของแนวคิดในคลังข้อมูลขนาดใหญ่ กับความถี่ของแนวคิดทั้งหมดที่เป็นผู้ใต้บังคับบัญชาในลำดับขั้น ความน่าจะเป็นของแนวคิดที่ถูกกำหนดโดยการประเมินความน่าจะเป็นสูงสุดและเนื้อหาข้อมูลที่เป็นบันทึกเชิงลบของความน่าจะเป็นนี้

เรสนิกกำหนดวัดความเหมือนที่ถือที่สองแนวคิดที่เกี่ยวข้องกับองค์ประกอบเป็นสัดส่วนกับปริมาณข้อมูลที่พวกเขาแบ่งปัน ปริมาณของข้อมูลที่ใช้ร่วมกันจะถูกกำหนดโดยเนื้อหารายละเอียดของแนวคิดต่ำสุดในลำดับชั้นที่ subsumes ทั้งสองได้รับแนวคิดx ข้อมูล คําเหมือนกัน :
x พจนานุกรม x ยังคงอาศัยโครงสร้างของการกลั่นเส้นทางตามวิธีการที่ใช้ normalizations ตามลำดับชั้นความลึก

x คือระยะทางที่เกี่ยวข้องกับแต่ละขอบ
x เพิ่มความน่าจะเป็นของข้อมูลที่ได้รับจากคลังข้อมูล
x ความน่าจะเป็นของคำสุ่มการอินสแตนซ์ของแนวคิด :