Tree kernel computation based on tree binarization

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Machine learning use intelligent methods of data analysis from massive collections and under the pressure of applications, we are confronted with problems in which the data structure carries essential information. Linear methods of data analysis and learning were among the first to be developed. They have also been intensively studied, in particular many applications are data that can be represented in structured form (sequences, trees, graphs,. . . ).The kernel methods make it possible to find nonlinear decision functions. However, the advent of kernel methods has lead to research renewal as these methods are generic and can be applied to a wide variety of domains when we are able to conceive a kernel function.Tree kernel has been proposed for applications to machine learning in natural language processing or for the calculation of XML documents similarity. Our aim is to investigate the treekernels proposed by (Moschitti, 2006a) and his algorithm for the evaluation of ST and SSTkernels and to study the effect of these kernels on the similarity between the two analysed trees, We evaluated the impact of tree kernels in k-ary tree and its equivalent binary tree.We carried out a comparative study between tree kernel in k-ary tree and binary tree equivalent to it. the Comparison included similarity and running time. We concluded that proposed method perfect than Knuth method in some cases.

روابط وملفات

التعريف والنوع

رقم الوثيقة

006330bb-10ed-4913-93a8-3ce6f45f360d

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

ماستر (LMD)

نوع الملف

pdf text

أسماء الملفات

962346_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":" Sebgag Abderrahmmane ","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"Chenini Mouad","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"Djelloul Ziad","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"Slimane Bellouar ","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

English

المصدر والدورية

اسم المصدر

Tree kernel computation based on tree binarization

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

Tout d’abord, l’apprentissage automatique exploite les méthodes intelligentes d’analyse de données à partir d’une grande collection. De même que les méthodes habituelles sont des méthodes linéaires. En outre, diverses applications possèdent des données qui peuvent être illustrées sous forme structurée (séquences, arbres, graphes, ...). Les méthodes à noyaux permettent de trouver des fonctions de décision non linéaires. Cependant, l’avènement des méthodes à noyaux a conduit à un renouvellement des recherches dans la mesure où ces méthodes sont génériques et peuvent s'appliquer à une grande variété de domaines lorsqu'on est capable de concevoir une fonction noyau. Les noyaux d’arbres ont été proposés pour des applications à l’apprentissage automatique en langue naturelle ou pour le calcul de la similarité des documents XML. Notre objectif est d’étudier les noyaux d’arbres proposés par (Moschitti, 2006a) et son algorithme pour l’évaluation des noyaux ST (Sub-Tree) et SST (SubSet-Tree). Pour étudier l’effet de ces noyaux sur la similitude entre deux arbres, nous avons évalué l’impact de noyaux d’arbres dans l’arbre n-aire et son arbre binaire équivalent. Nous avons réalisé une étude comparative entre un noyau d’arbre dans un arbre n-aire et un arbre binaire équivalent. La comparaison incluait la similarité et le temps d’exécution. Nous avons conclu que la méthode de binarisation proposée est plus parfaite que la méthode de Knuth dans certains cas.

كلمات الباحثين

Tree binarization, Kernel methods, tree kernel, subtree kernel, subset tree kernel, binarization.

إشراف وإعداد

الإشراف

Djelloul Ziad, Slimane Bellouar

الإعداد

Sebgag Abderrahmmane , Chenini Mouad

الاقتباسات الببليوغرافية