Feature vectors can, in general, be

Feature vectors can, in general, be classified into three groups: numerical, textual, and the combination of
both. Numerical FVs are typically used in machine learning (e.g., Mitchell, 1997; Scuturici et al., 2005),
and will not be included in this overview. Neither will approaches using mixed FVs be included. Textual
FVs, on the other hand, are typically based on a lexical resource like WordNet (e.g., Lopez et al., 2006)
or extracted from a set of documents (e.g., Agirre et al., 2000; Gabrilovich & Markovitch, 2007;
Solskinnsbakk & Gulla, 2008; Su & Gulla, 2006). In addition, there are approaches assuming already
created FVs (e.g., Formica et al., 2008) and consequently focus on the usage of FVs; these approaches
will neither be considered in this overview. Next, a set of approaches related to our work is analysed.

ผลลัพธ์ (ไทย) 1:

เวกเตอร์คุณลักษณะสามารถ ทั่วไป แบ่งออกเป็นสามกลุ่ม: ตัวเลข ข้อ ความ และชุด
ทั้งสองได้ FVs ตัวเลขมักจะใช้ในการเรียนรู้ของเครื่อง (เช่น มิทเชลล์ 1997 Scuturici et al., 2005),
และจะไม่ถูกรวมในภาพรวมนี้ ไม่วิธีใช้ FVs ผสมจะรวมอยู่ด้วย ข้อความ
FVs คง โดยทั่วไปขึ้นอยู่กับทรัพยากรเกี่ยวกับคำศัพท์เช่น WordNet (เช่น โลเปซและ al., 2006)
หรือแยกจากชุดของเอกสาร (เช่น Agirre และ al., 2000 Gabrilovich & Markovitch, 2007;
Gulla Solskinnsbakk & 2008 Su & Gulla, 2006) นอกจากนี้ มีวิธีสมมติแล้ว
สร้าง FVs (เช่น ไม et al., 2008) และเน้นการใช้งานของ FVs ดังนั้น วิธีเหล่านี้
จะไม่สามารถพิจารณาในภาพรวมนี้ ชุดของแนวทางที่เกี่ยวข้องกับงานของเราคือ analysed

ผลลัพธ์ (ไทย) 2:

เวกเตอร์คุณสมบัติสามารถโดยทั่วไปจะแบ่งออกเป็นสามกลุ่ม: ตัวเลขต้นฉบับเดิมและการรวมกันของ
ทั้งสอง FVS ตัวเลขมักจะใช้ในการเรียนรู้ของเครื่อง (เช่นเซรั่ม, 1997. Scuturici et al, 2005)
และจะไม่ถูกรวมอยู่ในภาพรวมนี้ ทั้งวิธีการที่จะใช้ผสม FVS จะรวม ต้นฉบับเดิม
FVS ในมืออื่น ๆ จะขึ้นอยู่ทั่วไปในทรัพยากรคำศัพท์เช่น WordNet (เช่นโลเปซและอัล, 2006.)
หรือที่สกัดจากชุดของเอกสาร (เช่น Agirre และคณะ, 2000;. Gabrilovich และ Markovitch, 2007;
Solskinnsbakk และ Gulla 2008; ซูและ Gulla, 2006) นอกจากนี้ยังมีวิธีการสมมติแล้ว
FVS สร้างและจึงมุ่งเน้นไปที่การใช้งานของ FVS (เช่น Formica et al, 2008.) วิธีการเหล่านี้
จะไม่ได้รับการพิจารณาในภาพรวมนี้ ถัดไปชุดของวิธีการที่เกี่ยวข้องกับการทำงานของเรามีการวิเคราะห์

ผลลัพธ์ (ไทย) 3:

เวกเตอร์คุณลักษณะสามารถโดยทั่วไปจะแบ่งได้เป็นสามกลุ่ม : ตัวเลข , ข้อความ , และการรวมกันของ
ทั้งคู่ fvs ตัวเลขมักจะใช้ในการเรียนรู้เครื่อง ( เช่น มิเชล , 1997 ; scuturici et al . , 2005 ) ,
และจะไม่รวมอยู่ในงานนี้ หรือจะใช้เป็นแนวทาง fvs ผสมรวม ข้อความเดิม
fvs บนมืออื่น ๆโดยทั่วไปจะขึ้นอยู่กับทรัพยากรเครือข่ายคำศัพท์ เช่น ( เช่น โลเปซ et al . , 2006 )
หรือสกัดจากชุดของเอกสาร ( เช่น agirre et al . , 2000 ; gabrilovich & markovitch , 2007 ;
solskinnsbakk & gulla , 2008 ; ซู& gulla , 2006 ) นอกจากนี้ ยังมีแนวทางสันนิษฐานว่าสร้างแล้ว
fvs ( เช่น ฟอร์ไมก้า et al . , 2008 ) และจึงมุ่งเน้นการใช้แนวทาง
fvs เหล่านี้จะไม่ได้พิจารณาในรายละเอียดนี้ ต่อไปเป็นชุดของวิธีการที่เกี่ยวข้องกับงานของเรา คือ วิเคราะห์