कीवर्ड ट्री: सिमेंटिक निष्कर्षण के लिए ग्राफ विश्लेषण

यह पोस्ट कीवर्ड मान्यता पर केंद्रित पूर्ण-स्केल अनुसंधान का एक छोटा सार है। शब्दार्थ निष्कर्षण की तकनीक शुरू में डिप्रेसिव पैटर्न के सोशल मीडिया अनुसंधान के क्षेत्र में लागू की गई थी। यहां मैं मनोवैज्ञानिक व्याख्या के बिना एनएलपी और गणित के पहलुओं पर ध्यान केंद्रित करता हूं। यह स्पष्ट है कि एकल शब्द आवृत्तियों का विश्लेषण पर्याप्त नहीं है। संग्रह का एकाधिक यादृच्छिक मिश्रण सापेक्ष आवृत्ति को प्रभावित नहीं करता है, लेकिन पूरी तरह से जानकारी को नष्ट कर देता है - शब्दों का प्रभाव। हमें अर्थविज्ञान के आकर्षणकर्ताओं के खनन के लिए अधिक सटीक दृष्टिकोण की आवश्यकता है।

संबंधपरक फ़्रेम थ्योरी (RFT) के अनुसार, संस्थाओं के द्विदिश लिंक बुनियादी संज्ञानात्मक तत्व हैं। बिग्राम शब्दकोश की परिकल्पना का परीक्षण किया गया है। हमने मदद के लिए शीर्ष रूसी भाषी दीवार की खोज की। प्रति दिन 150,000 का दौरा। प्रतिक्रिया / अनुरोध संग्रह को पार्स किया गया है: 2018 में 25,000 रिकॉर्ड।

पाठ की सफाई में उम्र / लिंग / पाठ और संदेश की लंबाई मानकीकरण शामिल थे। सेक्स मानकीकरण [नाम - सेक्स] मान्यता द्वारा पहुंच गया था। आकृति विज्ञान की सफाई और टोकन ने मानक रूप में संज्ञा प्राप्त करने की अनुमति दी। संबंधित आवृत्तियों के साथ बीग्रो की शब्दावली का खनन किया गया था। बिगराम सेट को आवृत्ति द्वारा आदेशित किया जाता है और कटऑफ मानदंड द्वारा दोनों समूहों में समान मात्रा के लिए सामान्यीकृत किया जाता है। प्रत्येक समूह, अनुरोध / रिस्पोंस को अद्वितीय बिग्राम मैट्रिक्स की विशेषता है। शैनन एंट्रोपी के उलट जानकारी में वृद्धि को दिखाया गया है: वेतन वृद्धि का 30%। I (3) -I (2) = 3-ग्राम के लिए 6%, [H (4) -H (3)] = 2% और N> 4 के लिए 1% से कम है।

बिग्राम मैट्रिक्स का उपयोग भारित अप्रत्यक्ष 3 डी ग्राफ के जनरेटर के रूप में किया गया था। रूपांतरण को ओपन ऑर्ड बल-निर्देशित लेआउट एल्गोरिथ्म द्वारा कार्यान्वित किया गया था। यह 2D मैट्रिक्स से ट्री बेस्ड टोपोलॉजी में परिवर्तन करता है। प्रत्येक नोड का वजन एकल शब्द फ़्रीक्वेंसी (मेल नहीं दिखाया गया) से मेल खाता है, जबकि किनारे की लंबाई बिग्राम फ़्रीक्वेंसी का उलटा कार्य है। मैंने बीच में केंद्रीयता (बीसी) पर विचार किया और निकटतम पड़ोसियों को संशोधित किया। अतिरिक्त उच्च ई.पू. के साथ संस्थाओं को सूचना हब के रूप में माना जा सकता है, जो शब्दार्थ को प्रभावित करते हैं: इन संस्थाओं को हटाने से ज्यादातर जानकारी प्रभावित होती है । निकटतम पड़ोसी सह-घटना आवृत्ति विश्लेषण पर आधारित हैं। मैंने संशोधित पड़ोसी आदेश पर विचार किया। सह-घटना दूरी (सीडी) के विपरीत पड़ोसी के ई.पू. को वेटिंग फ़ंक्शन के रूप में उपयोग किया जाता था: बीसी / सीडी।

हमने चयनित ई.पू. रूट के आसपास के निकटतम पड़ोसियों की जांच की: # लाइफ़। # मैन (नंबर 1) का मूल्य लगभग # लाइफ़ अट्रेक्टर के साथ जुड़ा हुआ है। #Procreation (नंबर 2), # फैमिली (नंबर 3) निचले बीसी / सीडी ग्रेड के साथ अगले निकटतम संस्थाएं हैं। निम्न क्रम में प्रतिसाद मान का प्रतिनिधित्व किया जाता है: # मैन नंबर 1, # जॉब नंबर 2, # क्रॉकरी नंबर 3। यह ध्यान दिया जाना चाहिए कि विषय पूर्वाग्रह स्पष्ट रूप से प्रतिक्रियाशील समूह में मौजूद है। हालाँकि व्यक्तिगत और समूह मूल्यों (# मैन वाइस # लाइफ़) को अलग करना विषय शोर के लिए उल्लेखनीय है। ग्राफ़ १०,००० सबसे अधिक बार होने वाले बिगम्स पर आधारित था: ४४% डेटा। हालांकि बीसी / सीडी द्वारा रैंक की गई शीर्ष 5 इकाइयां 50% और 88% बिग्राम डिक्शनरी में बदलने के बाद नहीं बदलती हैं।

माना जाता है कि परिणाम मनोविज्ञान में अनुभवजन्य टिप्पणियों के साथ संबंधित हैं। नतीजतन, वे शब्दार्थों को आकर्षित करने वालों की मान्यता के लिए ईसा पूर्व / सीडी के चयनित एल्गोरिथ्म की पूर्व-पुष्टि करते हैं। यदि आप बिग नॉइस टेक्स्ट / स्पीच डेटा से निपटते हैं तो यह निश्चित है। इसका उपयोग चयनित इकाई के संबंध में या निरपेक्ष रूप से कीवर्ड के खनन के लिए किया जा सकता है। आप यहाँ अधिक पढ़ सकते हैं। साधन में एचआर मूल्यांकन में भी आवेदन हो सकते हैं। लेखक अंग्रेजी बोलने वाले सेगमेंट में प्रासंगिक अनुसंधान करते हैं और सहयोग की तलाश करते हैं। शोध का पूर्ण संस्करण सहकर्मी की समीक्षा की गई पत्रिका में लंबित है। हालाँकि आप व्यक्तिगत अनुरोध पर ड्राफ्ट पूछ सकते हैं। आपका धन्यवाद।

मैं फलदायक चर्चा के लिए दिमित्री वोडानोव को धन्यवाद देना चाहूंगा।