Suomenkielisten lehtiartikkelien luokittelu
Permalink
http://urn.fi/URN:NBN:fi-fe20021348| Julkaisun nimi: | Suomenkielisten lehtiartikkelien luokittelu |
| Tekijä: | Silvonen, Mikko |
| Muu tekijä: | Helsingin yliopisto, Matemaattis-luonnontieteellinen tiedekunta, Tietojenkäsittelytieteen laitos |
| Opinnäytteen taso: | pro gradu -tutkielmat |
| Tiivistelmä: | Dokumenttien luokittelua eli tekstin aihepiirin automaattista tunnistusta on aikaisemmin sovellettu pääasiassa englanninkielisiin dokumentteihin. Tutkimuksen tarkoituksena oli mahdollistaa suomenkielisiä lehtiartikkeleita luokittelevan ohjelman kehittäminen. Tutkielma alkaa lyhyellä katsauksella aikaisempaan tutkimukseen. Pääaiheena on kolmen ohjattuun oppimiseen perustuvan luokittelualgoritmin (naiivin Bayesin luokittimen, tasapainotetun Winnow+:n ja assosiaatiosääntöjen) vertailu Helsingin Sanomien aineiston avulla. Dokumenttien esikäsittelyyn ja luokittelupiirteiden valintaan käytetään FINCG-nimistä suomen kielen jäsennysohjelmaa. Parhaiten toimivaksi vaihtoehdoksi osoittautui perusmuotoon palautettuja substantiiveja käyttävä naiivi Bayesin luokitin. |
| URI: |
URN:NBN:fi-fe20021348
http://hdl.handle.net/10138/21406 |
| Päiväys: | 1998 |
| Avainsanat: |
dokumenttien luokittelu
naiivi Bayesin luokitin Winnow assosiaatiosäännöt suomen kieli |
| Tekijänoikeustiedot: | This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited. Publikationen är skyddad av upphovsrätten. Den får läsas och skrivas ut för personligt bruk. Användning i kommersiellt syfte är förbjuden. Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty. |
Tiedostot
Latausmäärä yhteensä: Ladataan...
| Tiedosto(t) | Koko | Formaatti | Näytä |
|---|---|---|---|
| suomenki.pdf | 980.1KB | Avaa tiedosto | |
| tiiviste.pdf | 95.19KB | Avaa tiedosto |