Chương 1 Tẳng quan vẻ khai phá dứ liệu. Khai phá đi liệu— Data Mining. Tiển xử lý dữ liệu. Phân lớp wade bio — Clarification and Prediction 12 Gis - = ‡2 15 13.21 SVMs vi di ligu Xba tach aya tin Gincaly separable) 16 ận không khá ích uyễn tính (nemly ýmsepanshlz) 20 BD - 2 2 phương php Clusters.
Một sổ phương pháp Chu - ne z7 1. Các ứng dụng và xu hưởng trong khai phá dĩ ign 7 31 Chuong 2 Tp thé vA ing dyng. 2 12 Quan hệ 3/3 Hlax 2.6, Bắt gọn thuậc tink 2-17: Me trận phân biệt (hợp VÀ hâm Pan bist oe 4.8 Su quan trong của các thuậc tình và các nữ gon x4pai. Các ae dạng cia tap tho.
Mô hình tập thê đụng sai. Chương 3 Xiột số kỹ thuật irong khui phú dữ liệu vău bắi 3. Các m@ bình biéu diễn văn bán. MB hinh thEng gan vector — Vecter Space Model do 3.
Công thức xác định hiện năng xũ lý văn bản 3. Phân nhom vin bau —Text Clustering 33. Các te đụng của lận nhóm vân bản 3. Phân loại văn bản — Text Classification Bal nt bắt tod hd odd WAR EA ons .1 Ting quam nhân loại văn bản 3.1, Nền Hãng học mây Irong bài toán phản loại văn ban.42, Xiột số phương pháp phần (agt vàn ĐẢn.
Tọc viên thực hiện: Trần Quang Ldp CH CNTT 2007. Kiriy vin ban déng Vide theo mé kink tip thé dung sai 4. Support Vecler Machines.4, Tém tit vin bam— Text Summacization.6, Phất hiện su hướng vấn bàn — Text Trend Detection. Tim " Chương 4 Nô hình tập thd dimg sai trang xã lý cơ sẽ dữ liệu vn 4.
Bộ khung cia hệ thông kia phá dữ liệu văn bán dựa trên mồ hình TRRM. Xu lý vên bản tiếng Anh, 42. A49 bụnh tập ĐA đụng sat trong biểu điễn văn bản.2, Nonlusrareiiaai Document Chistering đụm hiện mộ hinh tập thổ đựng 208 en 43. Biên điển đastet— sluster represcafzion.
Độ trưng tự giữn các ri liệu về gi các biên điển clnster mnenit Cnatnrtngs dựa trên mã hình sấp thô chong sợi 2 4. Xi: lý vên bản tiếng Việt - 92 43. Aiộtsố vẫn để chung [rang xứ ịn Tiổng Miệt. Một sẽ đặc trưng sùa Tiếng ViệU - -4231.
Các hp tiền xử lý văn bản. số phương pháp Lách mật ng lương vẫn bến Tiếng Việt 95 sổ kỹ thuật giảmchiền vẫn baa.Leại bỏ th ding.4 3 Toga chạn tập đắc mang cho Không gian vất hận 43.2 dr dung mã linh: TREIM để xử vẫn đề đồng ngÌHa, rea ghia trong Tiên Điệt 200 4. Bie tring tin suit cia cde thuật ngỡ và các án cặn. Cai dit this oxigen sv nin Chương 5 Kết luận và hướng phát triển TÀI LIỆU THAM KHẢO.
TOM TAT LUAN VAN. ABSTRACT OF THESIS. Hoc vién thực hiện: Trần Quang Ldp CH CNTT 2007-2009 Kiriy vin ban déng Vide theo mé kink tip thé dung sai LOI NOI DAU Hàng ngày chúng ta tiếp xúc với rất nhiền các loại dír liện khác nhan: âm thanh, hinh ảnh, các đít liện số, các dữ liệu lưn đưới dạng các tài liện. Cáo đữ liệ i£ nhiều đều.
Ấn chứa bên trong một phần tri [hức não đó mà ta chua biết. Khi các dù liệu trở nên nhiễu. hơn mà ta không thể kiểm soát nó đưới dạng liệt kẻ ra được thì trong đó sẽ ẩn chứa một lượng Iri thức lớn và cần có các phương pháp đề tự động nhận biết ra các quy luật, các trí thức đang ẩn chửa để phục vụ cho lợi ích của chúng ta. Khai phá dữ lệu là bài toàn tim ra trí thức ân chứa bên trong một tập dữ liệu lớn và đã có nhiều phương pháp, nhiều hưởng.
tiếp cân khác nhau cho bài toán này, chẳng hạn sử dụng lý thuyết tập thô, lý thuyết tập mờ, lý thuyết xác suất, học máy. Trong luận văn này tác giả sẽ sử dụng hướng liệp cân mô hình lập thô dung sai cho bai toán khai phá đữ liện văn bán nhằm giải quyết vấn để đồng nghĩa, trải nghĩa trong van ban liéng Việt. Trong quá trình nghiên cứu, tác giả nhận thấy hướng tiếp cân này có rất nhiễu ủng dụng thiết thực khác cũng nhự một sở vẫn đề lý thuyết liên quan khác. Tuy nhiên, do hạn chế về mặt thời gian, tác giá chỉ nêu ra các ứng dụng, các bài toán liên quan đó như là những hưởng phát triển khả thì mà thôi Và mặt bỗ cục, luận tấn gầm năm chương với nội dụng Chính như sa: Chương 7: Trình bày tổng quan về lĩnh vực phát hiên tri thức và khai phá đữ liệu cũng như các bài toán, các phương pháp điển hình thường được sử đụng.
Các ứng đụng và xu hưởng trong lĩnh vực này. Chuang 2: Trinh bày về lý thuyết tập thô và các ứng dụng của nó, đặc biệt là trong lĩnh. vực khai phả đữ liệu để trình bày ớ chương 7. Mô hình tip thé dung sai (7RSA⁄) cũng đươc trình bày ở đây, mô hình biển diễn văn bản này sé diroc sit dung trong Chuang 4.
Chương 3: Trình bày một số kỹ thuật trong xử lý văn bản và cáo mó bình biểu điến văn bản Các bài toán, các phương pháp được trình bày tổng quan trong cñương / sẽ được sử dụng ở đây với đi liêu en thể là dữ liệu văn hân. Chương 3: Mô hình tip thé dung sai trong xử lý cơ sở dừ liên văn bản nói chung và văn ban Hếng Việt nói riêng. Áp dụng thực tế đề xử lý vấn đề đâng nghĩa, trái nghĩa trang tiếng. Cương 5: Trình bày các kết luận, các hạn chế của luận văn và đề xuất các hướng phảt triển trong tương lai.
————————— SsSssSsSSSSSSSSSSsMsseses Thực hiện: Trân Quang Ldp CH CNTT 2007-2009 Sl? Kiriy vin ban déng Vide theo mé kink tip thé dung sai LOI NOI DAU Hàng ngày chúng ta tiếp xúc với rất nhiền các loại dír liện khác nhan: âm thanh, hinh ảnh, các đít liện số, các dữ liệu lưn đưới dạng các tài liện. Cáo đữ liệ i£ nhiều đều. Ấn chứa bên trong một phần tri [hức não đó mà ta chua biết. Khi các dù liệu trở nên nhiễu.
hơn mà ta không thể kiểm soát nó đưới dạng liệt kẻ ra được thì trong đó sẽ ẩn chứa một lượng Iri thức lớn và cần có các phương pháp đề tự động nhận biết ra các quy luật, các trí thức đang ẩn chửa để phục vụ cho lợi ích của chúng ta. Khai phá dữ lệu là bài toàn tim ra trí thức ân chứa bên trong một tập dữ liệu lớn và đã có nhiều phương pháp, nhiều hưởng. tiếp cân khác nhau cho bài toán này, chẳng hạn sử dụng lý thuyết tập thô, lý thuyết tập mờ, lý thuyết xác suất, học máy. Trong luận văn này tác giả sẽ sử dụng hướng liệp cân mô hình lập thô dung sai cho bai toán khai phá đữ liện văn bán nhằm giải quyết vấn để đồng nghĩa, trải nghĩa trong van ban liéng Việt.
Trong quá trình nghiên cứu, tác giả nhận thấy hướng tiếp cân này có rất nhiễu ủng dụng thiết thực khác cũng nhự một sở vẫn đề lý thuyết liên quan khác. Tuy nhiên, do hạn chế về mặt thời gian, tác giá chỉ nêu ra các ứng dụng, các bài toán liên quan đó như là những hưởng phát triển khả thì mà thôi Và mặt bỗ cục, luận tấn gầm năm chương với nội dụng Chính như sa: Chương 7: Trình bày tổng quan về lĩnh vực phát hiên tri thức và khai phá đữ liệu cũng như các bài toán, các phương pháp điển hình thường được sử đụng. Các ứng đụng và xu hưởng trong lĩnh vực này. Chuang 2: Trinh bày về lý thuyết tập thô và các ứng dụng của nó, đặc biệt là trong lĩnh.
vực khai phả đữ liệu để trình bày ớ chương 7. Mô hình tip thé dung sai (7RSA⁄) cũng đươc trình bày ở đây, mô hình biển diễn văn bản này sé diroc sit dung trong Chuang 4. Chương 3: Trình bày một số kỹ thuật trong xử lý văn bản và cáo mó bình biểu điến văn bản Các bài toán, các phương pháp được trình bày tổng quan trong cñương / sẽ được sử dụng ở đây với đi liêu en thể là dữ liệu văn hân. Chương 3: Mô hình tip thé dung sai trong xử lý cơ sở dừ liên văn bản nói chung và văn ban Hếng Việt nói riêng.
Áp dụng thực tế đề xử lý vấn đề đâng nghĩa, trái nghĩa trang tiếng. Cương 5: Trình bày các kết luận, các hạn chế của luận văn và đề xuất các hướng phảt triển trong tương lai. ————————— SsSssSsSSSSSSSSSSsMsseses Thực hiện: Trân Quang Ldp CH CNTT 2007-2009 Sl? _Xữ lì văn bản tiếng Liệt theo mô hình tập thö dụng sai DANH MỤC CÁC THUAT NGỮ 1 DM Data Mining, 'Khai phá dữ liệu 2 DT Decision Tree Cây quyết dink 3 EM Expectation Maximization "Một phuong phap clustering 4 ERSM | Equivalence Rough Sets Model | M6 hinh tp thỏ tương đương 5 IDF Inverse Document Frequency | Mé hinh nghich dio tan s6 van bản 6 KDD icin TT rT Databases 7 KE ‘Keyword Extraction Bài toán trích trọn từ khoả 8 K-NN | K-Nearest Neighbour K ling giêng gắn nhất 9 ML Machine Leaming Hoc may 10 MMH — | Maximum Marginal Hyperplane | Siêu phẳng lẻ cực đại " RSM. ‘Rough Sets Model "Mô hình tập thỏ 12 ‘SVMs ‘Support Vector Machines Máy vector hỗ trợ.
1ã TF ‘Term Frequency Mô hình tắn sỏ thuật ngữ H TRSM | ToleranceRoughSetsModel | Ma hinh tap thé dung sai 1s TSR. ‘Term Space Reduction Giảm không gian thuật ngũ 16 VSM Vector Space Model ‘MO hình không gian vector “Học viên thực hiện: Trân Quamg— Lớp CH CNTT 2007-2009 3/117 Kiriy vin ban déng Vide theo mé kink tip thé dung sai LOI NOI DAU Hàng ngày chúng ta tiếp xúc với rất nhiền các loại dír liện khác nhan: âm thanh, hinh ảnh, các đít liện số, các dữ liệu lưn đưới dạng các tài liện. Cáo đữ liệ i£ nhiều đều. Ấn chứa bên trong một phần tri [hức não đó mà ta chua biết.
Khi các dù liệu trở nên nhiễu. hơn mà ta không thể kiểm soát nó đưới dạng liệt kẻ ra được thì trong đó sẽ ẩn chứa một lượng Iri thức lớn và cần có các phương pháp đề tự động nhận biết ra các quy luật, các trí thức đang ẩn chửa để phục vụ cho lợi ích của chúng ta. Khai phá dữ lệu là bài toàn tim ra trí thức ân chứa bên trong một tập dữ liệu lớn và đã có nhiều phương pháp, nhiều hưởng. tiếp cân khác nhau cho bài toán này, chẳng hạn sử dụng lý thuyết tập thô, lý thuyết tập mờ, lý thuyết xác suất, học máy.
Trong luận văn này tác giả sẽ sử dụng hướng liệp cân mô hình lập thô dung sai cho bai toán khai phá đữ liện văn bán nhằm giải quyết vấn để đồng nghĩa, trải nghĩa trong van ban liéng Việt.