指導老師 柯淑津 專題學生 吳兆民 潘佩欣 陳川仁 鄧宏宇

Presentation on theme: "指導老師 柯淑津 專題學生 吳兆民 潘佩欣 陳川仁 鄧宏宇"— Presentation transcript:

1 指導老師 柯淑津 專題學生 吳兆民 潘佩欣 陳川仁 鄧宏宇
英文檢索原型化處理 指導老師 柯淑津 專題學生 吳兆民 潘佩欣 陳川仁 鄧宏宇

2 目錄 研究目的 研究目標 基本功能導覽 Porter Stemming演算法的缺點 演算法新舊比較 Demo 心得與展望

3 研究目的 什麼是Stemming ? Stemming的用處和意義？ Porter Stemming演算法

4 研究目的 透過stemming演算法，在要被搜尋的文章或是key terms佇列會找出字詞的原形

5 什麼是Stemming ? 將詞型、時態變化還原成原型 範例 stems  stem stemmed  stem
relate  relate relation  relate relative  relate

6 Stemming的用處和意義？ 大部分的用途是用在資訊檢索（IR）上 IR用途上， 可以縮短搜尋時間，增加效率
字典用途上，可增加字典的查獲率

7 Porter Stemming演算法 1980年由 Martin Porter 提出 Porter Stemming algorithm 後，至今仍為最有效率的 Stemming algorithm

8 Porter Stemming演算法步驟 步驟1：將字尾有母音的es、e、ed、y替換掉 如： searched →search
步驟2：將字尾為tional、fulness、iveness等，替換成tion、 ful、ive等等 如：traditional →tradition 步驟3：將字尾為icate、iveness、alize等，替換成ic、ive、al 等等 如：specializes → special 步驟4：刪除剩餘的標準字尾，例如al、ance、er、ic等等 如：magical → magic 步驟5：去除字尾沒有母音的e 如：because → becaus

9 研究目標 increased →increase 將原形化作業介面視窗化，讓任何人都可以輕鬆簡單將各種格式之資料進行原形化
在搜尋引擎（IR）作業上 increased →increas increasing →increas machines →machin violence →violenc 在搜尋引擎（字典）作業上 increased →increase increasing →increase machines →machine violence →violence

10 基本功能導覽 資料輸入模式 原型化選項 內建的資料庫

11 資料輸入模式 純文字文件(*.txt) 資料庫檔案(*.DBF) 使用者輸入

12 原型化選項 全面小寫化 去除字首字尾標點 標記特殊保留字 破折號處理 標記數字 標記stop word 標記不規則變化 搜尋模式&喜好

13 內建的資料庫 特殊保留字 不規則變化 STOP WORD 字典檔

14 演算法新舊比較 Porter Stemming演算法的缺點 改良Porter Stemming演算法 IR用途 字典用途

15 Porter Stemming演算法的缺點

16 舊Porter Stemming演算法與改良結果比較

17 IR用途 

18 字典用途 

19 DEMO 展示IR用途的原型化處理 展示原形化前置作業選項的功能與用途 展示字典用途的原型化處理 展示內建資料庫的功能與用途

20 心得與展望 經過這次專題研究讓我們了解到開發一個系統的艱辛，從理論、分析到選擇開發工具與實現，讓我們對開發程式的語言有更深入的了解與學習，以及團隊需共同努力才能實現成果 期望能將系統廣泛實際地應用在搜尋引擎，增加搜尋速度與效率

21 ~報告結束，多謝指教~