Ce système propose une méthode de construction de classificateurs pour les résumés de décharge. Tout d'abord, l'analyse morphologique est appliquée à un ensemble de résumés et une matrice de termes est générée. Deuxièmement, une analyse de correspondance est appliquée aux étiquettes de classification et au terme matrice et génère des coordonnées bidimensionnelles. En mesurant la distance entre les catégories et les points attribués, un classement des mots clés est généré. Ensuite, les mots-clés sont sélectionnés en tant qu'attributs en fonction du classement, et des exemples de formation pour les classificateurs sont générés. Enfin, des méthodes d'apprentissage sont appliquées aux exemples de formation. La validation expérimentale montre que la forêt aléatoire a obtenu les meilleures performances et que le deuxième meilleur était l'apprenant en profondeur avec une petite différence, mais les méthodes d'arbre de décision avec de nombreux mots-clés n'ont obtenu qu'un peu moins de résultats que les méthodes de réseau de neurones ou d'apprentissage en profondeur.

Intéressé par le même projet ou un projet similaire ?
Soumettez une demande et obtenez une évaluation gratuite de votre projet.