dataset are derived from the custom

dataset are derived from the customers’ reviews in Amazon Commerce Website for authorship identification. Most previous studies conducted the identification experiments for two to ten authors. But in the online context, reviews to be identified usually have more potential authors, and normally classification algorithms are not adapted to large number of target classes. To examine the robustness of clasification algorithms, we identified 50 of the most active users (represented by a unique ID and username) who frequently posted reviews in these newsgroups. The number of reviews we collected for each author is 30.

ผลลัพธ์ (ไทย) 1:

ชุดข้อมูลที่ได้รับมาจาก customers†™รีวิวจากใน Amazon เว็บไซต์ Commerce สำหรับรหัสเสีย การศึกษาก่อนหน้านี้ส่วนใหญ่ดำเนินการทดลองรหัส 2-10 ผู้เขียน แต่ในบริบทออนไลน์ รีวิวเป็นใครมักจะมีเขียนเพิ่มเติมเป็นไปได้ และปกติประเภทอัลกอริทึมจะไม่ปรับการเรียนเป้าหมายจำนวนมาก การตรวจสอบเสถียรภาพของอัลกอริทึม clasification เราระบุ 50 ของผู้ใช้งานมากที่สุด (แทน ด้วยรหัสเฉพาะและชื่อผู้ใช้) ที่มักจะลงรีวิวในกลุ่มข่าวสารเหล่านี้ จำนวนรีวิวที่เรารวบรวมไว้สำหรับแต่ละผู้เขียนคือ 30

ผลลัพธ์ (ไทย) 2:

ชุดข้อมูลที่จะได้มาจากความคิดเห็นcustomers’ในเว็บไซต์ Amazon พาณิชย์เพื่อการแสดงผลงาน ศึกษาก่อนหน้านี้ส่วนใหญ่ดำเนินการทดลองบัตรประจำตัวสำหรับ 2-10 ผู้เขียน แต่ในบริบทออนไลน์ความคิดเห็นที่จะระบุผู้เขียนมักจะมีศักยภาพมากขึ้นและขั้นตอนวิธีการจัดหมวดหมู่ตามปกติไม่ได้ปรับให้เข้ากับจำนวนมากของการเรียนเป้าหมาย เพื่อตรวจสอบความแข็งแรงของขั้นตอนวิธี clasification เราระบุ 50 ของผู้ใช้งานมากที่สุด (แสดงบัตรประจำตัวที่ไ​​ม่ซ้ำกันและชื่อผู้ใช้) ที่มักโพสต์ความคิดเห็นในกลุ่มข่าวเหล่านี้ จำนวนของความคิดเห็นที่เราเก็บไว้สำหรับผู้เขียนแต่ละคนคือ 30

ผลลัพธ์ (ไทย) 3:

ข้อมูลที่ได้รับมาจากลูกค้า’ความคิดเห็นในเว็บไซต์ Amazon พาณิชย์ต่างๆ งานเขียน การศึกษาก่อนหน้านี้ที่ระบุมากที่สุดดำเนินการทดลองสำหรับผู้เขียนสองถึงสิบ แต่ในบริบทออนไลน์ ความคิดเห็นที่จะถูกระบุมักจะมีผู้ที่มีศักยภาพมากขึ้น ปกติแล้ว การจำแนกขั้นตอนวิธีจะไม่ปรับให้จำนวนมากของชั้นเรียนเป้าหมายทดสอบความทนทานของขั้นตอนวิธี clasification เราระบุ 50 ของผู้ใช้งานมากที่สุด ( แทนด้วยรหัสเฉพาะและชื่อผู้ใช้ ) ที่มักโพสต์ความคิดเห็นในกลุ่มข่าวนี้ จำนวนของความคิดเห็นที่เราเก็บได้สำหรับแต่ละผู้เขียนคือ 30