Source documents in multi-document

Source documents in multi-document summarization tasks could not provide order information
directly. But they definitely contain the clue of order, because each of them describes some aspects
of the same topic. There are some reasons to assure that the sequence of sentences in source
documents could be the reference standards of sentence ordering.
To learn the information of sentences sequence in source documents and predict the order of
sentences in summary, we treat it as a classification task. Firstly, we train the model of classification
with the position information of representative sentences in source documents. Secondly, we
predict the sentence position in summary. Support vector machine (SVM) is a kind of supervised
learning method for classification, and we use libsvm as classification tool in our model (Chang
and Lin, 2001).

ผลลัพธ์ (ไทย) 1:

เอกสารต้นทางในหลายเอกสารสรุปงานสามารถให้ข้อมูลการสั่งซื้อโดยตรง แต่แน่นอนประกอบด้วยเงื่อนงำของสั่ง เพราะแต่ละคนอธิบายบางแง่มุมหัวข้อเดียวกัน มีเหตุผลบางอย่างเพื่อให้มั่นใจว่าลำดับของประโยคในแหล่งเอกสารอาจเป็นมาตรฐานอ้างอิงของการสั่งซื้อประโยคเรียนรู้ข้อมูลของลำดับประโยคในเอกสารต้นทาง และทำนายลำดับของประโยคสรุป เรารักษามันเป็นงานประเภทนี้ ประการแรก ฝึกฝนรูปแบบของการจัดประเภทข้อมูลตำแหน่งของผู้แทนประโยคในเอกสารต้นทาง ประการที่สอง เราทำนายตำแหน่งประโยคสรุป เครื่องสนับสนุนเวกเตอร์ (SVM) เป็นชนิดของดูแลเรียนรู้วิธีการจัด และเราใช้ libsvm เป็นเครื่องมือการจัดประเภทในรูปแบบของเรา (ช้างและ หลิน 2001)

ผลลัพธ์ (ไทย) 2:

เอกสารแหล่งที่มาในงานสรุปเอกสารหลายไม่สามารถให้ข้อมูลการสั่งซื้อ
โดยตรง แต่พวกเขาแน่นอนมีเงื่อนงำของการสั่งซื้อเพราะแต่ละของพวกเขาอธิบายบางแง่มุม
ของหัวข้อเดียวกัน มีเหตุผลบางอย่างเพื่อให้มั่นใจว่าลำดับของประโยคในแหล่งที่มี
เอกสารอาจจะเป็นมาตรฐานอ้างอิงการสั่งซื้อประโยค.
เรียนรู้ข้อมูลของลำดับประโยคในเอกสารแหล่งที่มาและคาดการณ์คำสั่งของ
ประโยคในสรุปเรารักษามันเป็นงานที่จัดหมวดหมู่ ประการแรกเราฝึกรูปแบบของการจัดหมวดหมู่
ที่มีข้อมูลตำแหน่งของประโยคตัวแทนในเอกสารต้นฉบับ ประการที่สองเรา
คาดการณ์ตำแหน่งประโยคในการสรุป เวกเตอร์สนับสนุนเครื่อง (SVM) เป็นชนิดของภายใต้การดูแล
วิธีการเรียนรู้สำหรับการจำแนกประเภทและเราจะใช้ libsvm เป็นเครื่องมือในการจัดหมวดหมู่ในรูปแบบของเรา (ช้าง
และหลิน, 2001)

ผลลัพธ์ (ไทย) 3:

แหล่งเอกสารหลายเอกสารสรุปงานไม่สามารถให้ข้อมูลเพื่อโดยตรง แต่แน่นอนพวกเขามีเงื่อนงำเพื่อเพราะแต่ละของพวกเขาอธิบายถึงลักษณะบางอย่างในหัวข้อเดียวกัน มีบางเหตุผลเพื่อให้มั่นใจว่าลำดับของประโยคในแหล่งเอกสารอ้างอิงมาตรฐานของการสั่งซื้อจะเป็นประโยคเรียนรู้รายละเอียดของประโยคลำดับเอกสารแหล่งที่มาและทำนายเพื่อประโยคสรุป เราถือว่ามันเป็นประเภทงาน ประการแรก เราฝึกรูปแบบการจำแนกกับตำแหน่งข้อมูลประโยคผู้แทนในเอกสารแหล่งที่มา ประการที่สองเราทำนายตำแหน่งในประโยคสรุป เครื่องเวกเตอร์สนับสนุน ( SVM ) เป็นชนิดของมีเรียนรู้วิธีการในการจำแนก และเราใช้ libsvm เป็นเครื่องมือหมวดหมู่ในแบบของเรา ( ชางและหลิน , 2001 )