這依然是一篇逐字翻譯的文章，需要注意的是第四節「評估」我沒有完全翻完，因為我已經在第三節「演算法」找到我想看的東西了，而第四節主要就有點老王賣瓜的比較與其他分段方法的優越性，因此我只翻譯了第四節的結論，有興趣的讀者可以閱讀原文。本文分段完全依照原文所訂，對照起來應該相當容易，末段「心得」為我的見解，也一併與你分享。當然，翻譯的目的依然是讓中文為母語的讀者能快速掌握這些知識，以利後進學者的研究。   ▲研究苦悶可以到郊外走走，看見藍天白雲和蔚藍的大海，必能使人心曠神怡(圖為筆者6:40...

繼續閱讀全文　中譯：進階領域獨立的線性文件分段 (Advances in domain independent linear text segmentation)

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有18 意見

找到這篇是因為看了一篇寫得非常非常好的國內論文《混合式自動文件摘要方法》(這真的寫得非常好，學習Text Mining 非常推薦以之為基礎)，想要多了解文法剖析法(Linguistic Approach)，因為文中指出Brunn所作的《Text Summarization Using Lexical Chains》提出的系統架構與我的想法相近。但後來發現命題相近的《Using lexical chains for text summarization》可能才是所謂的key paper(引用598次)，不過都翻譯了，就丟上來啦。我依照原文的章節形式分段，並用標楷體標註非作者提及的內容，文末心得處亦為我讀後的見解，為了避免讀者混淆，特別在此註明。...

繼續閱讀全文　中譯：使用語彙鏈建立文件摘要(Text Summarzation Using Lexical Chains)

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有6 意見

「資訊種子」不限資訊相關科系學生參加，是台北縣電腦公會辦的公益(免費)活動，為期一年。聘請經理級以上講師固定於周六下午上課(課程內容包含資訊產業、數位內容、生涯規劃、智慧財產…)，此外還有企業參訪、專案參與及海外參訪，最重要的是，誠如我說的，可以完成學生階段「認識不同領域的優秀人才」的目標。   ▲想要成為眾所矚目的焦點，加入資種，你也可以！ 好了，其實已經差不多介紹完了！我認為在資訊種子最大的收穫是能夠認識許多優秀、負責且活躍的同儕，這些人脈的培養將會使你在未來的人生上左右逢源。舉個簡單的例子，據我所知，本屆資訊種子的學員報名微軟實習計畫全部都錄取了，由此可知將資訊種子比喻為成功的搖籃毫不為過。...

繼續閱讀全文　資訊種子：即將大三到碩一的你 請讀這篇可能改變你一生的文章

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有5 意見

「人生的課題，如果你沒有學會處理，它就會一而再、再而三的讓你練習」…其實也沒那麼嚴肅啦，只是小時候沒學好，最近讀論文的時候一直碰到馬可夫鏈…讓我覺得很卡，於是想說花一些時間把這個關節打通。我希望用一些淺顯易懂的文字寫一些老嫗能解的馬可夫鏈概念(千萬不要像維基百科寫得像天書般)，這就是邊學邊寫的最高境界吧，我想！ ▲當我聽到「馬可夫鏈」的時候，總會想像一條長長的鏈子，鏈住馬的頭@@ 正文開始 我們想像有一些加以編號的桶子，每個桶子裡面裝著數顆編號過的球，如下圖所示： ...

繼續閱讀全文　什麼是 馬...馬可夫鏈(Markov Chains)？

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有9 意見

實不相瞞，我想要找出一種方法，可以偵測一篇文章中論及多少事件，並將這些事件自動切出段落。但目前礙於我搜尋能力的不足，以及論文閱讀速度的限制，實在沒有找到一個合適的方法。今天來介紹成大資工所方國安所撰寫的《應用基因演算法於中文廣播新聞中情境切割及分類》學位論文，希望能得到一些啟發。 這篇論文主要在描述使用基因演算法，試圖對中廣同一個主播連續報導不同新聞事件的語音進行切割。最重要的是對新聞加以分類，並在每個分類中找出具有代表性的專有詞彙，作為辨識新聞主題的工具。下圖描述新聞情境切割的流程，也是本篇文章的主軸。整個演算法主要分成兩大部分：一、找出分界點；二、評估分界點；以下詳述之。...

繼續閱讀全文　使用基因演算法進行自動文件切割(Story Segmentation)之研究

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有1 意見

如果在龐大的語料庫中搜尋「資訊系統」，我們希望得到的是「包含了相互關聯的一組蒐集、處理、儲存以及散佈資訊之單元，以支援組織內的決策與控制」的答案，而不希望出來的是Laudon的MIS一整本書的內容。前述的資訊檢索技術只能提供使用者需要資訊的所在文件，但更進一步我們需要得到的是在文件中哪一個段落，甚至把使用者想要的文句摘錄出來，因此便需要文件自動分段的技術。   ▲Laudon的(周宣光譯)《管理資訊系統─管理數位化公司》一書中對於資訊系統的定義 另一個必須分段的原因在如果一大篇文章講述許多主題，在詞頻統計中的權重就會因為主題分散而被降低，使得排名落後；分段後主題應更為凝聚，比較能與查詢條件匹配，提高了recall與precision。以下介紹常見的自動分段方法：...

繼續閱讀全文　文件自動分段之研究 (含心得)

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有7 意見

資訊檢索系統(Information Retrieval System)可以定義為儲存、展示、組織與存取資訊的系統。文件分析與索引可以協助資訊檢索工作的進行，一般來說可以透過以下模型進行。 基礎方法 布林模型 (Boolean Model) 簡單說就是字串比對，找出「完全符合」搜尋條件字串的文件集合。查詢的條件是單字或片語，並可使用布林運算式：AND/OR/NOT加以連接字串。布林模型的優點是效能高，缺點是不提供查詢結果的相關性排名，使用者無法知道文件符合查詢條件的程度。此外布林模型缺乏彈性，必須要完全符合字串才能被找出。...

繼續閱讀全文　文件搜尋的方法 - 資訊檢索(Information Retrieval)

• 編輯文章
• 此文章網址
• 轉寄此文章
• 目前有0 意見