Ứng dụng máy vector hỗ trợ phân loại công văn theo lĩnh vực
Luận văn · Thạc sĩ · năm 2018 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Tác giả | Nguyễn Thanh Xuân |
| Người hướng dẫn | Phạm Minh Tuấn |
| Cơ sở đào tạo | Trường Đại học Bách khoa, Đại học Đà Nẵng |
| Năm | 2018 |
| Nguồn | Thư viện số Trường Đại học Bách khoa, Đại học Đà Nẵng · trang gốc |
Tóm tắt
Ngày nay, sự phát triển của máy tính, đặc biệt là Internet đã dẫn tới sự bùng nổ thông tin. Rất nhiều tài liệu, văn bản mới được tạo ra hàng ngày với số lượng ngày càng lớn. Do đó cần phải được phân loại để việc tìm kiếm được dễ dàng hơn. Việc phân loại này có thể được làm thủ công đọc từng văn bản và phân loại chúng dự vào kinh nghiệm, cách làm này rất mất thời gian, không đáp ứng được nhu cầu và thực tế văn bản ngày càng nhiều. Do đó, cách phân loại tốt nhất là sử dụng học máy, xử lý ngôn ngữ tự nhiên để phân loại. Việc xử lý ngôn ngữ tự nhiên trong Tiếng Anh đã có nhiều nghiên cứu trên thế giới, nhưng để áp dụng cho Tiếng Việt cũng có một vài điểm cần phải cải tiến ví dụ như: StopWords, Tách từ trong Tiếng Việt cũng khác so với Tiếng Anh. Bên cạnh đó là các thuật toán phân loại, nhiều thuật toán phát triển phục vụ mục đích phân loại, phân nhóm văn bản. Các thuật toán như K-Nearest Neighbor, Cây quyết định, Naive Bayes và tiêu biểu thuật toán Support Vector Machine (SVM). Thuật toán SVM có ưu điểm đó là xử lý trong không gian số nhiều chiều, tiết kiệm tài nguyên hệ thống và có tính linh hoạt cao nhờ vào khả năng áp dụng Kernel (hàm nhân) mới cho phép linh động giữa các phương pháp tuyến tính và phi tuyến tính từ đó khiến cho hiệu suất phân loại lớn hơn. Với 1725 văn bản công văn nhà nước thu thập được, được chia làm 10 lĩnh vực khác nhau, luận văn tiến hành tiền xử lý số lượng văn bản. Bằng cách thêm vào các từ StopWords thuộc văn bản công văn nhà nước, tách từ tiếng việt, sử dụng TF-TDF để trích rút vector đặc trưng. Sau đó sử dụng thuật toán Máy vector hỗ trợ với hàm nhân tuyến tính Linear để tạo ra Model phân loại văn bản với độ chính xác trung bình cho 10 lĩnh vực trên là 91%, một số lĩnh vực cho độ chính xác rất cao đó là lĩnh vực “Công nghệ thông tin”, “Đất đai” với độ chính xác là 100%. Kết quả thực nghiệm cho thấy tính khả quan việc tiền xử lý văn bản sử dụng TF-IDF và thuật toán Máy vector hỗ trợ khi áp dụng phân loại văn bản công văn nhà nước theo lĩnh vực.
Bản toàn văn lưu tại thư viện Trường Đại học Bách khoa, Đại học Đà Nẵng
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Đề tài cùng ngành
- Ứng dụng từ thiện thức ăn
- Ứng dụng kỹ thuật học sâu trong phát hiện và đếm lưu lượng xe máy
- Web Builder Platform
- Ứng dụng kỹ thuật học sâu nhận dạng tiền trong các hệ thống giao dịch tự động
- Ứng dụng khoảng cách Levenstein để so sánh mức độ giống nhau của hai văn bản
- App bán quần áo có tích hợp Recommend System
- A Mobile application for fitness and nutrition tracking.
- Ứng dụng hệ trợ giúp quyết định dự báo lượng khán giả xem truyền hình tại Tiền Giang
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.