/LING
|
Update: February 24, 2023 The new version of Termout.org is now online, so this web site is now obsolete and will soon be dismantled. |
Lista de candidatos sometidos a examen:
1) máquinas de aprendizaje (*)
(*) Términos presentes en el nuestro glosario de lingüística
1) Candidate: máquinas de aprendizaje
Is in goldstandard
1
paper corpusSignosTxtLongLines332 - : Los categorizadores basados en aprendizaje de modelos incorporan un requerimiento en espacio menor, ya que les basta con almacenar |C| vectores de tamaño |V|. Sin embargo, el tiempo de entrenamiento de un categorizador Naive Bayes solo considera el llenado de la base de datos. No existen procesos de optimización para sintonización o validación interna lo cual lo compara favorablemente con cualquier método de máquinas de aprendizaje basado en optimización, como es el caso de regresión logística o máquinas de soporte vectorial . En rigor, el tiempo entrenamiento de un categorizador Naive Bayes extendido corresponde a la suma de los tiempos de pre procesamiento del texto y a la inserción de los documentos en la base de datos. La tabla que tarda más en llenar corresponde a la tabla Índice, la cual requiere Θ(¦V¦¦ C¦) operaciones de escritura.
2
paper corpusSignosTxtLongLines384 - : La clasificación automática de textos ha estado ligada históricamente al desarrollo de Máquinas de Aprendizaje, una línea de la Inteligencia Artificial y la Inteligencia Computacional que se basa en el desarrollo de algoritmos que ‘aprenden’ o reconocen patrones recurrentes en cada clase a partir de un gran volumen textos de entrada, previamente clasificados por humanos .
3
paper corpusSignosTxtLongLines384 - : Bajo el marco formal de Máquinas de Aprendizaje se define como D el espacio de entrada que representa los documentos de textos y C el espacio de salida de un proceso de clasificación realizado por un humano, donde cada par {d[i],c[i]} corresponden al documento y la categoría en la que este fue clasificado, respectivamente . Asimismo, se define Z como el conjunto de todos estos pares de documentos y sus clasificaciones, z[i]=(d[i],c[i]). Los valores de Z corresponden a los datos que sirven de ejemplo para que la Máquina de Aprendizaje utilice en su proceso de entrenamiento y prueba
Evaluando al candidato máquinas de aprendizaje:
2) documentos: 3
3) entrenamiento: 3 (*)
4) textos: 3 (*)
máquinas de aprendizaje
Lengua: spa
Frec: 8
Docs: 4
Nombre propio: / 8 = 0%
Coocurrencias con glosario: 2
Puntaje: 3.036 = (2 + (1+3.32192809488736) / (1+3.16992500144231)));
Candidato aceptado