is when sentences contain unknownwo

is when sentences contain unknown
words, such as name entities and loan words written in
Thai. Techniques using a machine learning algorithm e.g.
Winnow (Charoenpornsawat et al., 1998) and a decision
tree (Theeramunkong and Usanavasin, 2000) have been
effective in overcoming the unknown-word problem. Work
by Aroonmanakun suggests that segmenting text into a
sequence of syllable-like units and combining units which
have high collocations can also help in these cases (Aroonmanakun,
2002; Aroonmanakun, 2005).

ผลลัพธ์ (ไทย) 1:

เมื่อประโยคประกอบด้วยไม่รู้จักคำ ชื่อเอนทิตีและเขียนคำยืมไทย เทคนิคการใช้ขั้นตอนวิธีการเรียนรู้ของเครื่องเช่นWinnow (Charoenpornsawat et al., 1998) และการตัดสินใจต้นไม้ (Theeramunkong และ Usanavasin, 2000) ได้มีประสิทธิภาพในการขจัดหมดสิ้นปัญหาคำไม่รู้จัก ทำงานโดย Aroonmanakun แนะนำข้อความว่า segmenting เป็นลำดับของพยางค์เช่นหน่วยและหน่วยรวมซึ่งมีสูงให้สามารถช่วยเหลือในกรณีเหล่านี้ (Aroonmanakun2002 Aroonmanakun, 2005)

ผลลัพธ์ (ไทย) 2:

คือเมื่อมีประโยคที่ไม่รู้จักคำเช่นหน่วยงานที่ชื่อและที่ยืมคำที่เขียนในภาษาไทย เทคนิคการใช้เครื่องอัลกอริทึมการเรียนรู้เช่นโปรย (Charoenpornsawat et al., 1998) และการตัดสินใจต้นไม้(Theeramunkong และ Usanavasin, 2000) ได้รับการที่มีประสิทธิภาพในการเอาชนะปัญหาที่ไม่รู้จักคำ การทำงานโดย Aroonmanakun แสดงให้เห็นว่าการแบ่งกลุ่มข้อความลงในลำดับของหน่วยพยางค์เหมือนและการรวมหน่วยงานที่มีcollocations สูงยังสามารถช่วยในกรณีเหล่านี้ (Aroonmanakun, 2002; Aroonmanakun 2005)

ผลลัพธ์ (ไทย) 3:

เมื่อประโยคประกอบด้วยคำที่ไม่รู้จัก
เช่นองค์กรชื่อและคำที่ยืมเขียน
ไทย เทคนิคที่ใช้อัลกอริทึมเช่น
ฝัด ( charoenpornsawat et al . , 1998 ) และการตัดสินใจ ( theeramunkong
ต้นไม้ และพร ษณวศิน , 2000 ) มี ประสิทธิภาพในการเอาชนะปัญหา
คำไม่รู้จัก
โดยเอี่ยมสุข ชี้ให้เห็นว่า การแบ่งส่วนข้อความลง
ลำดับของพยางค์ เช่น หน่วยและการรวมหน่วยซึ่ง
มี collocations สูงยังสามารถช่วยในกรณีนี้ ( เอี่ยมสุข
, 2002 ; เอี่ยมสุข , 2005 )