Regarding the evaluation of AR-QAS,

Regarding the evaluation of AR-QAS, 11 users participated in the study and were asked 22 questions, as shown in Table 1, yielding 242 collected query sentences in this experiment. The study measured the performance of AR-QAS through a method known as k-fold cross-validation Training and testing were performed 242 times (i.e., k = 242). In iteration i, query sentence i was selected as the test corpus, and the other query sentences were collectively used to train the system for the values provided by each question. In this experiment, the feasibility of applying ontology and classification algorithms to QAS was evaluated. Table 2 compares the accuracy of the traditional rule-based reasoning (RBR) and NB classifier with the proposed methods outlined in this study. The results reveal that the accuracy can be higher when the ontology technique is combined with the method. However, because not all of the attributes in the experiments were conditionally independent, the accuracy rate of the NB classifier was not higher. Furthermore,
similar data may not exist in historical records; consequently, the correct class cannot be retrieved using the kNN algorithm. Therefore, a higher accuracy rate of 98.76% results from a combination of the most reliable approaches, which are ANN and Ontology. Therefore, this study applies ANN to Ontology in the AR-QAS.

ผลลัพธ์ (ไทย) 1:

เกี่ยวกับการประเมินของ AR QAS, 11 ผู้เข้าร่วมในการศึกษา และได้ถามคำถามที่ 22 ดังที่แสดงในตาราง 1, 242 ประโยครวบรวมแบบสอบถามในการทดลองครั้งนี้ผลผลิต การศึกษาวัดประสิทธิภาพของ AR QAS ผ่านวิธีการที่เรียกว่าเคพับข้ามตรวจสอบฝึกอบรมและการทดสอบดำเนิน 242 ครั้ง (เช่น k = 242) ในการเกิดซ้ำ ฉัน ประโยคสอบถามที่ถูกเลือกเป็นคอร์พัสคริทดสอบ และถามประโยคถูกเรียกใช้เพื่อฝึกระบบค่าโดยแต่ละคำถาม ในการทดลองนี้ มีประเมินความเป็นไปได้ของการใช้อัลกอริทึมภววิทยาและจัดประเภท QAS ตารางที่ 2 เปรียบเทียบความถูกต้องของแบบดั้งเดิมตามกฎการใช้เหตุผล (RBR) และ NB classifier วิธีนำเสนอที่ระบุไว้ในการศึกษานี้ ผลการเปิดเผยว่า ความแม่นยำจะสูงเทคนิคภววิทยาร่วมกับวิธีการ อย่างไรก็ตาม เนื่องจากไม่ใช่ทั้งหมดของแอตทริบิวต์ในการทดลองได้ด้วยตนเองอย่างมีเงื่อนไข อัตราความถูกต้องของ NB classifier ไม่สูง นอกจากนี้ข้อมูลที่คล้ายกันอาจไม่มีอยู่ในระเบียนประวัติศาสตร์ ดังนั้น ชั้นถูกต้องไม่สามารถเรียกใช้อัลกอริทึม kNN ดังนั้น 98.76% อัตราความแม่นยำสูงกว่าผลจากการรวมกันของวิธีเชื่อถือได้มากที่สุด แอนและภววิทยา ดังนั้น การศึกษานี้ใช้แอนกับภววิทยาใน AR-QAS

ผลลัพธ์ (ไทย) 2:

เกี่ยวกับการประเมินผลของ AR-QAS, ผู้ใช้ 11 คนเข้าร่วมในการศึกษาและถูกถามคำถาม 22 ดังแสดงในตารางที่ 1 ให้ผลผลิต 242 ประโยคแบบสอบถามที่เก็บรวบรวมในการทดลองนี้ การศึกษาการวัดประสิทธิภาพการทำงานของ AR-QAS ผ่านวิธีการที่รู้จักกันเป็น k เท่าการฝึกอบรมข้ามการตรวจสอบและการทดสอบได้ดำเนินการ 242 ครั้ง (เช่น k = 242) ในการย้ำฉันประโยคแบบสอบถามฉันได้รับเลือกเป็นคลังทดสอบและประโยคแบบสอบถามอื่น ๆ ที่ถูกนำมาใช้ในการฝึกอบรมรวมระบบสำหรับค่าที่มีให้โดยแต่ละคำถาม ในการทดลองนี้ความเป็นไปได้ของการใช้อภิปรัชญาและขั้นตอนวิธีการจัดหมวดหมู่เพื่อ QAS ถูกประเมิน ตารางที่ 2 เปรียบเทียบความถูกต้องของการใช้เหตุผลตามกฎแบบดั้งเดิม (RBR) และลักษณนาม NB ด้วยวิธีการที่นำเสนอไว้ในการศึกษาครั้งนี้ ผลการศึกษาพบว่าความถูกต้องสามารถที่จะสูงขึ้นเมื่อเทคนิคอภิปรัชญาที่เป็นบวกกับวิธีการ แต่เนื่องจากไม่ได้ทั้งหมดของคุณลักษณะในการทดลองเป็นอิสระตามเงื่อนไขอัตราความถูกต้องของลักษณนาม NB ไม่ได้สูงขึ้น นอกจากนี้
ข้อมูลที่คล้ายกันอาจจะไม่อยู่ในบันทึกประวัติศาสตร์; ดังนั้นระดับที่ถูกต้องไม่สามารถเรียกคืนโดยใช้ขั้นตอนวิธี kNN ดังนั้นอัตราความถูกต้องสูงขึ้นของผล 98.76% จากการรวมกันของวิธีการที่เชื่อถือได้มากที่สุดซึ่งเป็นแอนและอภิปรัชญา ดังนั้นการศึกษานี้ใช้แอนอภิปรัชญาใน AR-QAS

ผลลัพธ์ (ไทย) 3:

เรื่องการประเมิน ar-qas 11 ผู้ใช้มีส่วนร่วมในการศึกษาและถูกถาม 22 ข้อ ดังแสดงในตารางที่ 1 ให้ผลผลิตแล้วเก็บแบบสอบถาม ประโยค ในการทดลองนี้ การศึกษาวัดประสิทธิภาพของ ar-qas ด้วยวิธีที่เรียกว่า การตรวจสอบและทดสอบ k-fold ข้ามจำนวน 242 ครั้ง ( I , K = 242 ) ในรูปผมสอบถามประโยคที่ผมเลือกเป็นทดสอบคลังข้อมูล และประโยคอื่น ๆแบบสอบถามนี้ใช้รถไฟระบบคุณค่า โดยคำถามแต่ละคำถาม ในการทดลองได้ศึกษาความเป็นไปได้ในการนำอภิปรัชญาและขั้นตอนวิธี 3 . การจำแนกเพื่อทำการทดสอบตารางที่ 2 เปรียบเทียบความถูกต้องของเหตุผล กฎดั้งเดิม ( rbr ) และ Nb ลักษณนามกับเสนอวิธีการอธิบายไว้ในการศึกษานี้ ผลการวิจัย พบว่า ความสามารถสูงกว่า เมื่อรวมกับเทคนิคอภิปรัชญาเป็นวิธีการ อย่างไรก็ตาม เนื่องจากไม่ใช่ทั้งหมดของแอตทริบิวต์ในเงื่อนไขการทดลองอิสระ ,อัตราความถูกต้องของ NB ตัวไม่สูง นอกจากนี้ ข้อมูลที่คล้ายกัน อาจ
ไม่อยู่ในบันทึกทางประวัติศาสตร์ จึงไม่สามารถเรียกใช้คลาสที่ถูกต้องเป็น knn ขั้นตอนวิธี ดังนั้น สูงกว่าอัตราความถูกต้องของผลลัพธ์ 98.76 % จากการรวมกันของวิธีที่เชื่อถือได้มากที่สุดซึ่งเป็นแอนและอภิปรัชญา . ดังนั้นการศึกษานี้ใช้แอนอภิปรัชญาใน ar-qas .