Mining Sequential Patterns and Tree Patterns to Detect Erroneous Sentences

of 12 /12
Authored by Guihua Sun │ Gao Cong │ Xiaohua Liu │ Chin-Yew Lin │ Ming Zhou Microsoft Research Asia Παρουσίαση Στέλιος Καραμπασάκης Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Mining Sequential Patterns Mining Sequential Patterns and Tree Patterns and Tree Patterns to Detect Erroneous Sentences to Detect Erroneous Sentences

Embed Size (px)

description

Παρουσίαση που πραγματοποιήθηκε στα πλαίσια του μεταπτυχιακού μαθήματος Προηγμένη Τεχνητή Νοημοσύνη στο Τμήμα Πληροφορικής και Τηλεπικοινωνιών ΕΚΠΑ, στις 24/01/2008. Υπεύθυνος καθηγητής: Παναγιώτης Σταματόπουλος Για να κατεβάσετε την αρχική παρουσίαση, με όλα τα εφέ που δεν εμφανίζονται μέσα από τον flash viewer, κέντε κλικ στο Download File.

Transcript of Mining Sequential Patterns and Tree Patterns to Detect Erroneous Sentences

  • 1. Authored by Guihua Sun Gao Cong Xiaohua Liu Chin-Yew Lin Ming Zhou Microsoft Research Asia Mining Sequential Patterns and Tree Patterns to Detect Erroneous Sentences

2.

3.

  • ( .. N-grams)
    • N

4.

  • ,
  • .

LabeledTree Patterns LabeledSequential Patterns 5. Labeled Tree Patterns (LTP)

  • Thispresentationbeboring.

Labeled Tree Pattern( tp ) : Tree pattern ( tp.t ) : Class Label ( tp.c ) (Ccorrect, Eerroneous)DT NN VB JJ . NP ADJP VP S DT NN VB JJ . NP ADJP VP S VB NP VP S E 6. Labeled Sequential Patterns (LSP)

  • ;
    • part-of-speech (POS) tagger
      • function words ( , , , , ..)
      • time words ( ..yesterday, during, afterward.)
  • sequential patterns
    • function word + POS tag,

Thispresentationissoboredom. This NN VBZ so NN < so, NN > E Labeled Sequential Pattern ( sp ) : Sequential pattern ( sp.s ) : Class Label ( sp.c ) NN so 7. patterns

  • ( support):
  • ( confidence):
  • pattern
    • confidence
    • patterns confidence , support.
  • support( minsup ) pattern .

8. Top-k Patterns

  • :
    • top-k LTP( TkLTP) top-k LSP (TkLSP) .
  • (, ):
    • pattern p sup(p) > minsup
    • k patterns .
    • patterns, confidence pattern .
    • patterns 1, patterns 2 ,...
      • pattern confidence, .

9.

    • Nave Bayes ( NB )
    • Support Vector Machines ( SVM )
  • : Pattern Based Classification ( PBC )
    • k
      • 1:main classifier
      • 2.. k: stand-by classifiers
    • top-k patterns k ,
      • , default.

10. : Top-3 Pattern Based Classifier Tree Patterns CL1 Sequential Patterns CL2 CL3 default main classifier stand-by classifiers 4 sp3 3 sp2 3 5 4 sp4 1 sp1 4 5 sp5 5 sp6 6 6 tp5 6 tp4 2 tp3 1 3 2 tp2 2 1 tp1 S3 S2 S1 4 sp3 3 sp2 3 5 4 sp4 1 sp1 4 5 sp5 5 sp6 6 6 tp5 6 tp4 2 tp3 1 3 2 tp2 2 1 tp1 S3 S2 S1 4 sp3 3 sp2 3 5 4 sp4 1 sp1 4 5 sp5 5 sp6 6 6 tp5 6 tp4 2 tp3 1 3 2 tp2 2 1 tp1 S3 S2 S1 4 sp3 3 sp2 3 5 4 sp4 1 sp1 4 5 sp5 5 sp6 6 6 tp5 6 tp4 2 tp3 1 3 2 tp2 2 1 tp1 S3 S2 S1 4 sp3 3 sp2 3 5 4 sp4 1 sp1 4 5 sp5 5 sp6 6 6 tp5 6 tp4 2 tp3 1 3 2 tp2 2 1 tp1 S3 S2 S1 4 sp3 3 sp2 3 5 4 sp4 1 sp1 4 5 sp5 5 sp6 6 6 tp5 6 tp4 2 tp3 1 3 2 tp2 2 1 tp1 S3 S2 S1 4 sp3 3 sp2 3 5 4 sp4 1 sp1 4 5 sp5 5 sp6 6 6 tp5 6 tp4 2 tp3 1 3 2 tp2 2 1 tp1 S3 S2 S1 11.

  • PBC SVM , .
  • PBC , SVN .

12.