Ứng dụng phân lớp trong tìm kiếm
Phương pháp Naïve Bayes
Đánh giá phương pháp phân lớp
24 trang |
Chia sẻ: Mr Hưng | Lượt xem: 901 | Lượt tải: 0
Bạn đang xem trước 20 trang nội dung tài liệu Tìm kiếm và trình diễn thông tin - Phân lớp và ứng dụng trong tìm kiếm, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
(IT4853) Tìm kiếm và trình diễn thông tin
Phân lớp và ứng dụng trong tìm kiếm
Giảng viên
TS. Nguyễn Bá Ngọc
Địa chỉ: Viện CNTT & TT/BM HTTT/B1-603
Email: ngocnb@soict.hust.edu.vn
Website:
2
Nội dung chính
Ứng dụng phân lớp trong tìm kiếm
Phương pháp Naïve Bayes
Đánh giá phương pháp phân lớp
3
Các khái niệm cơ bản
Ký hiệu X là tập văn bản;
C là tập lớp (còn được gọi là tập nhãn);
Dữ liệu huấn luyện là một phân lớp mẫu
𝐷 = 𝑑 ∈ 𝑋, 𝑐 ∈ 𝐶 ,
Qúa trình học phân lớp là đi xác định ánh xạ 𝛾
mô phỏng kết quả phân lớp D
𝛾: 𝑋 → 𝐶
Phân lớp là xác định định lớp phù hợp nhất với d
bất kỳ trong X: 𝛾(𝑑) ∈ C
4
Minh họa
5
Ứng dụng trong công cụ tìm kiếm
Xác định ngôn ngữ
Các lớp: Tiếng Anh, tiếng Việt, v.v.
Xác định spam
Tìm kiếm theo chủ đề
Truy vấn cố định (standing queries), v.d., Google
Alerts
Phân lớp bình luận: Khen, chê, v.v.
6
Phương pháp phân lớp thủ công
Yahoo, ODP, Pubmed;
Rất chính xác!
Đơn giản với dữ liệu nhỏ;
Phức tạp & chi phí cao trên quy mô lớn.
7
Phân lớp tự động?
Phương pháp phân lớp dựa trên luật
Ví dụ, Google Alerts;
Môi trường tích hợp hỗ trợ viết luật phân lớp;
Nếu thỏa mãn biểu thức Boolean q thì thuộc lớp c
Có thể đạt độ chính xác rất cao;
Cần chi phí lớn.
8
Phương pháp phân lớp tự động
Xác suất, thống kê
Tiêu biểu: Naïve Bayes, Rocchio, kNN, SVMs
Cần thiết lập bộ dữ liệu huấn luyện;
9
Nội dung chính
Ứng dụng phân lớp trong tìm kiếm
Phương pháp Naïve Bayes
Đánh giá phương pháp phân lớp
10
Naïve Bayes
Phân lớp dựa trên xác suất;
Xác suất d thuộc c được tính như sau:
𝑝 𝑐 𝑑 ∝ 𝑝 𝑐
1≤𝑘≤𝑛𝑑
𝑝 𝑡𝑘 𝑐 ,
Trong đó:
nd là độ dài văn bản;
p(tk|c) xác suất tk thuộc c;
p(c) là xác suất tiền nghiệm của lớp c.
11
Tiêu trí xác suất cực đại
Văn bản được phân vào lớp với xác suất cực đại
𝛾 𝑑 = 𝑎𝑟𝑔max
𝑐∈𝐶
𝑝(𝑐)
1≤𝑘≤𝑛𝑑
𝑝(𝑡𝑘|𝑐)
12
Lấy log
Lấy tích nhiều đại lượng xác suất nhỏ có thể gây
tràn số;
Lớp với xác suất lớn nhất không đổi nếu sử dụng
logarithm
Trong thực tế sử dụng công thức sau:
𝛾 𝑑 = 𝑎𝑟𝑔max
𝑐∈𝐶
log 𝑝(𝑐) +
1≤𝑘≤𝑛𝑑
log 𝑝(𝑡𝑘|𝑐)
13
Giải thuật Naïve Bayes
Xác định p(c) và p(tk|c) dựa trên dữ liệu luyện:
𝑝 𝑐 =
𝑁𝑐
𝑁
Trong đó Nc là số văn bản của lớp c, N là số văn bản
trong bộ dữ liệu luyện
Xác suất có điều kiện:
𝑝 𝑡𝑘 𝑐 =
𝑇𝑐𝑡𝑘
𝑡∈𝑉 𝑇𝑐𝑡
Trong đó Tct là số lần từ t xuất hiện trong lớp c.
14
Giá trị 0
Nếu có một từ t thuộc d nhưng không xuất hiện
trong bất kỳ văn bản nào của lớp c thì:
p(t|c) = 0
Kéo theo p(c|d)=0.
15
Làm mịn
Làm mịn bằng cách cộng thêm 1:
𝑝 𝑡𝑘 𝑐 =
𝑇𝑐𝑡𝑘 + 1
𝑡∈𝑉(𝑇𝑐𝑡+1)
=
𝑇𝑐𝑡𝑘 + 1
𝑡∈𝑉 𝑇𝑐𝑡 + 𝑉
16
Giải thuật Naïve Bayes: Huấn luyện
17
Giải thuật Naïve Bayes: Phân lớp
18
Nội dung chính
Ứng dụng phân lớp trong tìm kiếm
Phương pháp Naïve Bayes
Đánh giá phương pháp phân lớp
19
Khái quát
20
Đánh giá phải được thực hiện trên bộ dữ liệu
kiểm thử độc lập với bộ dữ liệu huấn luyện;
Đánh giá kết quả phân lớp theo các tiêu trí: Độ
chính xác (P), Độ đầy đủ (R), F1.
Các độ đo cơ bản
21
Thống kê các đại lượng sau đối với một lớp:
Thuộc lớp Không thuộc lớp
Dự đoán thuộc lớp A (TP) B (FP)
Dự đoán không thuộc lớp C (FN) D (TN)
FPTP
TP
|BA|
|A|
P
FNTP
TP
|CA|
|A|
R
RP
F
2PR
1
Lấy trung bình
22
Macro
Tính F1 cho từng lớp;
Lấy trung bình các giá trị F1
Micro:
Thống kê TP, TN, FP, FN cho từng lớp;
Lấy tổng các đại lượng thống kê này trên tất cả các
lớp;
Tính F1 trên các giá trị tổng hợp này.
Naïve Bayes và các bộ phân lớp khác
23
Bộ phân loại Naïve Bayes hoạt động tương đối tốt, tuy nhiên có nhiều
bộ phân loại khác có kết quả cao hơn, ví dụ, SVM.
24
Các file đính kèm theo tài liệu này:
- bai_13_phan_lop_va_ung_dung_trong_tim_kiem_5452.pdf