For the purpose of hashtag recommen

For the purpose of hashtag recommendation, we designed and implemented a binary classifier, based on the Naive Bayes technique, which discriminates between English and non-English language tweets. Many approaches for language identification have already been proposed, but are often dependent on the type of content [6]. For each content type, manual labelling of a training set is needed when applying these supervised approaches. Therefore, we propose an approach which uses the Expectaton-Maximization (EM) algorithm to determine the parameters of Naive Bayes in an unsupervised manner. Given a dataset consisting of n observations x, let d be the number of features in an observation.

ผลลัพธ์ (ไทย) 1:

วัตถุประสงค์เพื่อแนะนำแฮชแท็ก เราออกแบบ และใช้ลักษณนามไบนารี อิงเทคนิค Bayes ความไร้เดียงสา ซึ่ง discriminates ระหว่างภาษาไทยและภาษาอังกฤษไม่ทวี ได้เสนอหลายวิธีสำหรับการระบุภาษา แต่มักขึ้นอยู่กับชนิดของเนื้อหา [6] สำหรับเนื้อหาแต่ละชนิด ฉลากคู่มือชุดฝึกอบรมที่จำเป็นเมื่อใช้เหล่านี้ดูแลวิธี ดังนั้น เรานำเสนอวิธีการที่ใช้อัลกอริทึม Expectaton Maximization (EM) เพื่อกำหนดพารามิเตอร์ของ Bayes ความไร้เดียงสาในลักษณะคอยกำกับ กำหนดชุดข้อมูลประกอบด้วยการสังเกต n x, d ให้เป็นหมายเลขของคุณสมบัติในการสังเกต

ผลลัพธ์ (ไทย) 2:

เพื่อวัตถุประสงค์ในการให้คำแนะนำ hashtag ที่เราออกแบบและดำเนินการลักษณนามไบนารีขึ้นอยู่กับเทคนิคเบส์ซื่อๆซึ่งเลือกปฏิบัติระหว่างภาษาอังกฤษและทวีตภาษาที่ไม่ใช่ภาษาอังกฤษ หลายวิธีสำหรับการระบุภาษาได้รับการเสนอแล้ว แต่มักจะขึ้นอยู่กับประเภทของเนื้อหา [6] สำหรับเนื้อหาแต่ละประเภทการติดฉลากด้วยตนเองของชุดการฝึกอบรมเป็นสิ่งจำเป็นเมื่อใช้วิธีการเหล่านี้ภายใต้การดูแล ดังนั้นเราจึงนำเสนอวิธีการที่ใช้อัลกอริทึม Expectaton-การเพิ่มประสิทธิภาพ (EM) เพื่อกำหนดค่าพารามิเตอร์ของ Naive Bayes ในลักษณะที่ใกล้ชิด รับชุดข้อมูลที่ประกอบด้วย n สังเกต x ให้ d เป็นจำนวนของคุณสมบัติในการสังเกต

ผลลัพธ์ (ไทย) 3:

สำหรับวัตถุประสงค์ของการแนะนำ hashtag ที่เราออกแบบและสร้างวงจรไบนารีประเภทขึ้นอยู่กับ Naive Bayes เทคนิค ซึ่งไม่ยอมรับระหว่างภาษาอังกฤษและไม่ทวิตภาษาอังกฤษ หลายวิธีสำหรับการระบุภาษาได้ถูกเสนอ แต่มักจะขึ้นอยู่กับประเภทของเนื้อหา [ 6 ] สำหรับแต่ละประเภทเนื้อหาคู่มือการติดฉลากชุดฝึก เป็นสิ่งจำเป็นเมื่อใช้เหล่านี้มีแนว ดังนั้นเราจึงเสนอวิธีการที่ใช้มี expectaton ( EM ) ขั้นตอนวิธีเพื่อหาค่าพารามิเตอร์ของไร้เดียงสา Bayes ในลักษณะแบบไม่โต้ตอบ ให้ข้อมูลประกอบด้วย N ) x ให้ D เป็นจํานวนคุณลักษณะในการสังเกต