Previous researchers proposed a mod

Previous researchers proposed a model to classify question items with artificial neural network approach that applies different feature method (Yusof & Chai, 2010). The model is trained using the scaled conjugate gradient learning algorithm. Several data processing techniques are applied to a feature set and then the content of a question is transformed into a numeric form called a feature vector. In order to perform text classification, three types of feature set are used i.e. whole feature set, the Document Frequency (DF) and Category Frequency-Document Frequency (CF-DF). A question item which consist of 274 questions were selected for processing. From the system, out of the three feature sets, DF reductions gave more efficient result with the combination of classification and convergence time

ผลลัพธ์ (ไทย) 1:

ก่อนหน้านี้นักวิจัยนำเสนอรูปแบบในการจัดประเภทรายการคำถาม ด้วยวิธีโครงข่ายประสาทเทียมที่ใช้วิธีคุณลักษณะแตกต่างกัน (Yusof & ชัย 2010) แบบคือการฝึกอบรมโดยใช้อัลกอริทึมเรียนไล่ระดับ conjugate ปรับสัดส่วนได้ มีใช้เทคนิคการประมวลผลข้อมูลหลายชุดคุณลักษณะแล้ว เปลี่ยนเนื้อหาของคำถามเป็นแบบตัวเลขที่เรียกว่าเวกเตอร์คุณลักษณะ ดำเนินการจัดประเภทข้อความ ใช้การตั้งค่าคุณลักษณะเช่นคุณลักษณะทั้งตั้ง ความถี่เอกสาร (DF) และประเภทความถี่ความถี่เอกสาร (CF DF) รายการคำถามซึ่งประกอบด้วยคำถามที่ 274 ถูกเลือกสำหรับการประมวลผล จากระบบ จากชุดคุณลักษณะสาม DF ลดให้ผลลัพธ์ที่มีประสิทธิภาพมากขึ้น ด้วยชุดของการจัดประเภทและบรรจบกัน

ผลลัพธ์ (ไทย) 2:

นักวิจัยก่อนหน้านี้ที่นำเสนอรูปแบบการจำแนกข้อคำถามด้วยวิธีเครือข่ายประสาทเทียมที่ใช้วิธีการที่แตกต่างกันคุณลักษณะ (Yusof และมีชั​​ย, 2010) รูปแบบการฝึกอบรมโดยใช้การไล่ระดับสีผันปรับขนาดขั้นตอนวิธีการเรียนรู้ หลายเทคนิคการประมวลผลข้อมูลที่จะนำไปใช้กับชุดคุณลักษณะแล้วเนื้อหาของคำถามจะเปลี่ยนเป็นรูปแบบที่เป็นตัวเลขที่เรียกว่าเวกเตอร์คุณลักษณะ เพื่อที่จะดำเนินการจัดหมวดหมู่ข้อความสามประเภทของชุดคุณลักษณะที่มีการใช้ชุดคุณลักษณะเช่นทั้งความถี่เอกสาร (DF) และหมวดหมู่ความถี่ความถี่เอกสาร (CF-DF) รายการคำถามซึ่งประกอบด้วย 274 คำถามที่ถูกเลือกสำหรับการประมวลผล จากระบบออกจากสามชุดคุณลักษณะลด DF ให้ผลที่มีประสิทธิภาพมากขึ้นด้วยการรวมกันของการจัดหมวดหมู่และเวลาที่บรรจบกัน

ผลลัพธ์ (ไทย) 3:

นักวิจัยได้เสนอรูปแบบการแบ่งหน้ารายการคำถามกับโครงข่ายประสาทเทียมที่ใช้วิธีการเข้าถึงคุณลักษณะที่แตกต่างกัน ( ดำเนินธุรกิจผ่าน&ชัย , 2010 ) รูปแบบการอบรมการปรับผันลาดการเรียนรู้ขั้นตอนวิธีเทคนิคการประมวลผลข้อมูลต่างๆจะใช้ชุดคุณลักษณะและเนื้อหาของคำถามจะถูกเปลี่ยนเป็นรูปแบบตัวเลขเรียกว่าคุณลักษณะเวกเตอร์ เพื่อแสดงประเภทข้อความ สามประเภทของชุดคุณลักษณะที่ใช้คือทั้งคุณลักษณะชุด เอกสาร ( DF ) ความถี่และความถี่ความถี่ประเภทเอกสาร ( cf-df )คำถามข้อ ประกอบด้วยคำถามจำนวน 274 สำหรับการประมวลผล จากระบบ , ออกจากสามคุณลักษณะชุด df ซึ่งให้ผลมีประสิทธิภาพมากขึ้น ด้วยการรวมกันของการบรรจบกันเวลา