Kompletný zborník vo formáte PDF - Jazykovedný ústav Ľudovíta ...

či ATN siete. Otvorené rozhranie a modulárna architektúra knižnice Jbowl dovoľuje
pomerne jednoducho tieto rozšírenia realizovať.
Kategorizácia textov
Cieľom úloh kategorizácie textov je klasifikácia, zatriedenie dokumentov
podľa ich obsahu do niektorých z preddefinovaných kategórií. Pri klasifikácii
sa využívajú princípy kontrolovaného učenia, kde sa z množiny trénovacích
príkladov, t.j. vopred ručne do daných kategórií zaradených dokumentov, vytvorí
model, a tento sa následne použije pri klasifikácii ďalších (neznámych,
nezaradených) dokumentov.
Knižnica Jbowl poskytuje množinu (súbor) všeobecných Java tried a rozhraní,
ktoré dovoľujú integráciu rôznych klasifikačných metód. Rozlišujú sa
klasifikačné algoritmy (napr. SVM, lineárny perceptrón, atď.) a klasifikačné
modely (lineárny klasifikátor, klasifikátor založený na pravidlách).
Používatelia knižnice Jbowl majú veľké množstvo možností ako implementovať
vybrané algoritmy. Algoritmus môže byť dokonca implementovaný aj
v iných programovacích jazykoch (C, C++) a následne integrovaný do Jbowl
s Java Native Interface.
V súčasnosti sú v knižnici Jbowl implementované tieto klasifikačné algoritmy:
− jednoduché porovnávanie termov,
− Support Vector Machine, lineárna klasifikácia,
− kNN, metóda k najbližších susedov,
− rozhodovacie stromy (rôzne kombinácie orezávania a rastu),
− lineárny perceptrón,
− bayesovský klasifikátor (binomiálny a multinomiálny),
− Winnow algoritmus,
− Boosting, metóda na zvýšenie presnosti klasifikátorov.
Proces klasifikácie možno ukázať na príklade metódy k najbližších susedov.
Tento algoritmus pracuje na nasledujúcom princípe: ak do systému vstupuje nový
dokument, systém k nemu nájde k najbližších susedov medzi trénovacími dokumentmi,
pričom použije už priradené kategórie týchto susedov na váženie kandidátskych
kategórií pre nový dokument. Pri analýze dokumentu sa dajú vybrať
rôzne komponenty, napríklad frekvencia termov, opačná frekvenciu dokumentu
a normalizačného faktora. Týmto sa vytvorí vektorový model dokumentu s rozličnými
váhovými schémami (t.j. binárne, TF, TF-IDF váhovanie).
Zhlukovanie dokumentov
Cieľom zhlukovania dokumentov je nájsť v kolekcii nejaké „skryté“, explicitne
nevyjadrené kategórie, zhluky či skupiny istým spôsobom vzájomne podobných
dokumentov, pričom ich podobnosť je daná sémantickou blízkosťou
127