In this paper we investigate a stru

In this paper we investigate a structured
model for jointly classifying the sentiment
of text at varying levels of granularity. Inference
in the model is based on standard sequence
classification techniques using constrained
Viterbi to ensure consistent solutions.
The primary advantage of such a
model is that it allows classification decisions
from one level in the text to influence
decisions at another. Experiments show that
this method can significantly reduce classification
error relative to models trained in isolation.

ผลลัพธ์ (ไทย) 1:

ในบทความนี้เราจะตรวจสอบรูปแบบ
โครงสร้างสำหรับการร่วมกันจำแนก
ความเชื่อมั่นของข้อความที่อยู่ในระดับที่แตกต่างของเมล็ด
ข้อสรุปในรูปแบบจะขึ้นอยู่กับลำดับมาตรฐาน
เทคนิคการจัดหมวดหมู่การใช้บังคับ
Viterbi เพื่อให้แน่ใจว่าโซลูชั่นที่สอดคล้องกัน.
ประโยชน์หลักของรูปแบบดังกล่าว
คือว่ามันช่วยให้การตัดสินใจการจัดหมวดหมู่
จากระดับในข้อความที่มีอิทธิพลต่อ
การตัดสินใจที่อื่น การทดลองแสดงให้เห็นว่า
วิธีนี้อย่างมีนัยสำคัญสามารถลดการจัดหมวดหมู่
ข้อผิดพลาดเมื่อเทียบกับรุ่นที่ผ่านการฝึกอบรมในการแยก.

ผลลัพธ์ (ไทย) 2:

ในเอกสารนี้ เราสอบสวนเป็นโครงสร้าง
รูปแบบสำหรับการจัดประเภทความเชื่อมั่นร่วม
ของข้อความในระดับแตกต่างกันของส่วนประกอบ ข้อ
ในรูปแบบที่อยู่มาตรฐานลำดับ
จำกัดโดยใช้เทคนิคจัดประเภท
Viterbi โซลูชั่นที่สอดคล้องกันได้
ประโยชน์หลักของเช่นการ
เป็นแบบจำลองที่จะช่วยให้การตัดสินใจประเภท
หนึ่งระดับในข้อความที่จะมีอิทธิพลต่อ
การตัดสินใจที่อื่น การทดลองแสดงว่า
วิธีนี้สามารถลดประเภท
ข้อผิดพลาดที่สัมพันธ์กับรูปแบบการฝึกอบรมแยกได้

ผลลัพธ์ (ไทย) 3:

ในเอกสารนี้เราตรวจสอบรุ่นของโครงสร้าง
ซึ่งจะช่วยให้ร่วมกันจัด ประเภท ความรู้สึกที่
ของข้อความที่แตกต่างกันของระดับย่อย ลงความเห็นได้
ซึ่งจะช่วยในรุ่นที่ใช้เทคนิคในการแบ่ง ประเภท มาตรฐานตามลำดับ

ซึ่งจะช่วยจำกัดการใช้ viterbi เพื่อตรวจสอบให้แน่ใจว่าโซลูชันอย่างต่อเนื่อง.
ใช้ประโยชน์จากหลักของ
รุ่นที่เป็นที่ซึ่งจะช่วยให้การจำแนก ประเภท การตัดสินใจ
จากระดับหนึ่งในข้อความที่จะมีอิทธิพลต่อ
การตัดสินใจที่อื่น. การทดลอง
ซึ่งจะช่วยแสดงให้เห็นว่าวิธีการนี้จะลดลงอย่างเห็นได้ชัดการแบ่ง ประเภท
เกิดข้อผิดพลาดเมื่อเทียบกับรุ่นได้รับการฝึกอบรมในการแยก.