In this section, we describe the pa

In this section, we describe the parameters used to populate the ontologies (presented in section 4.1)
using the feature vector construction approach (presented in section 3.2) and the motivation behind them.
Since the goal of this paper is to validate the evaluation measures (described in section 4.2.1) a set of best
practice parameters from earlier experiments (Tomassen & Strasunskas, 2010) were used in this paper.
Further, the motivation for using these best practice parameters was to get a set of distinct FVs to better
assess the effect of the FVs and hence validate the correlated FV quality scores (presented in section
4.2.1). Based on earlier experiments we found that the FV quality can be classified into low, medium, and
high. Therefore, three sets of parameters were used: Low Quality Parameters (LQP), Medium Quality
Parameters (MQP), and High Quality Parameters (HQP). The parameters are described as follows:

ผลลัพธ์ (ไทย) 1:

ในส่วนนี้ เราอธิบายพารามิเตอร์ที่ใช้ในการใส่ ontologies (นำเสนอในหัวข้อ 4.1)
ใช้วิธีก่อสร้างเวกเตอร์ของคุณลักษณะ (นำเสนอในหัวข้อ 3.2) และแรงจูงใจเบื้องหลังการ
เนื่องจากเป้าหมายของเอกสารนี้คือการ ตรวจสอบวัดประเมินผล (อธิบายไว้ในส่วน 4.2.1) ชุดที่ดีที่สุด
ฝึกพารามิเตอร์จากการทดลองก่อนหน้านี้ (Tomassen & Strasunskas ใช้ 2010) ในกระดาษนี้
เพิ่มเติม แรงจูงใจสำหรับการใช้พารามิเตอร์เหล่านี้ปฏิบัติดีคือการ ได้รับชุดของ FVs หมดเพื่อ
ประเมินผลของการ FVs และจึง ตรวจสอบคะแนนคุณภาพ FV correlated (แสดงในส่วน
4.2.1) จากการทดลองก่อนหน้านี้เราพบว่า คุณภาพ FV ประเภทต่ำ กลาง และ
สูง ดังนั้น ใช้สามชุดของพารามิเตอร์: พารามิเตอร์คุณภาพต่ำ (LQP) คุณภาพปานกลาง
พารามิเตอร์ (MQP), และพารามิเตอร์คุณภาพสูง (HQP) พารามิเตอร์อธิบายไว้ดังนี้:

ผลลัพธ์ (ไทย) 2:

ในส่วนนี้เราจะอธิบายพารามิเตอร์ที่ใช้ในการเติมจีส์ (นำเสนอในส่วน 4.1)
ใช้วิธีเวกเตอร์คุณลักษณะการก่อสร้าง (นำเสนอในส่วน 3.2) และแรงจูงใจที่อยู่เบื้องหลังพวกเขา
เนื่องจากเป้าหมายของการวิจัยนี้คือการตรวจสอบมาตรการการประเมินผล ( อธิบายไว้ในส่วน 4.2.1) ชุดที่ดีที่สุดของ
พารามิเตอร์การปฏิบัติจากการทดลองก่อนหน้านี้ (เซ่นแอนด์ Strasunskas, 2010) ถูกนำมาใช้ในเอกสารนี้
นอกจากนี้แรงจูงใจสำหรับการใช้พารามิเตอร์เหล่านี้ที่ดีที่สุดคือการปฏิบัติที่จะได้รับชุดของที่แตกต่าง FVS ที่ดีกว่า
การประเมิน ผลของการ FVS และด้วยเหตุนี้การตรวจสอบความสัมพันธ์ FV คะแนนคุณภาพ (นำเสนอในส่วน
4.2.1) ขึ้นอยู่กับการทดลองก่อนหน้านี้เราพบว่ามีคุณภาพ FV สามารถแบ่งได้เป็นต่ำกลางและ
สูง ดังนั้นสามชุดของพารามิเตอร์ถูกนำมาใช้: ดัชนีคุณภาพต่ำ (LQP) ขนาดกลางที่มีคุณภาพ
พารามิเตอร์ (MQP) และดัชนีคุณภาพสูง (HQP) พารามิเตอร์ที่อธิบายไว้ดังนี้

ผลลัพธ์ (ไทย) 3:

ในส่วนนี้เราอธิบายพารามิเตอร์ที่ใช้ในการใส่นโทโลจี ( แสดงในส่วนของ 4.1 )
ใช้คุณลักษณะเวกเตอร์การก่อสร้างวิธีการนำเสนอในส่วน 3.2 ) และแรงจูงใจที่อยู่เบื้องหลังพวกเขา .
เนื่องจากเป้าหมายของบทความนี้คือการตรวจสอบประเมินผลมาตรการที่อธิบายไว้ในส่วน 4.2.1 ) ชุดของพารามิเตอร์การปฏิบัติที่ดีที่สุด
จากการทดลองก่อนหน้านี้ ( Tomassen strasunskas & ,2010 ) ถูกใช้ในกระดาษนี้ .
เพิ่มเติม แรงจูงใจในการใช้พารามิเตอร์การปฏิบัติเหล่านี้ที่ดีที่สุดคือการได้รับชุดของ fvs ชัดเจนดีกว่า
ศึกษาผลของ fvs จึงตรวจสอบความสัมพันธ์ FV คุณภาพคะแนน ( นำเสนอในส่วน
4.2.1 ) จากการทดลองก่อนหน้านี้พบว่า คุณภาพสามารถจำแนกได้เป็น 2
ต่ำปานกลาง และสูง ดังนั้น3 ชุดของพารามิเตอร์ที่ใช้พารามิเตอร์คุณภาพต่ำ ( lqp ) , พารามิเตอร์คุณภาพ
ขนาดกลาง ( mqp ) และพารามิเตอร์คุณภาพสูง ( hqp ) พารามิเตอร์ที่อธิบายไว้ดังนี้