Revista de Tecnologia da Informação e Engenharia de Software
Acesso livre

Abstrato

Afan Oromo Sense Clustering em Técnicas Hierárquicas e Particionais

Workineh Tesema

Este artigo apresenta o agrupamento de sentidos de palavras multi-sentido em Afan Oromo. A ideia principal deste trabalho é agrupar contextos, o que fornece uma forma útil de descobrir sentidos semanticamente relacionados. Os contextos semelhantes de um determinado sentido da palavra-alvo são agrupados utilizando três agrupamentos hierárquicos e dois particionais. Todos os contextos de sentidos relacionados são incluídos no agrupamento e, portanto, realizados em todos os contextos do corpus. A hipótese subjacente é que o agrupamento captura a unidade refletida entre os contextos e cada agrupamento revela possíveis relações existentes entre os contextos. Como mostra a experiência, do total de cinco clusters, os clusters EM e K-Means que produzem uma precisão significativamente maior do que o resultado hierárquico (agrupamento único, cluster completo e cluster médio). Para Afan Oromo, o EM e o K-means melhoram a precisão do agrupamento de sentido do que os algoritmos de agrupamento hierárquico. Cada cluster representando um sentido único. Algumas palavras têm dois sentidos para os cinco sentidos. Como mostra o resultado, a precisão média do conjunto de testes foi de 85,5%, o que é encorajador com o trabalho de aprendizagem automática não supervisionada. Ao utilizar esta abordagem, encontrar o número certo de clusters equivale a encontrar o número de sentidos. O resultado alcançado foi encorajador, apesar de exigir menos recursos.