advent calendar birt的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列必買單品、推薦清單和精選懶人包

模糊標記語言與本體論於文本內容分類及摘要之研究

為了解決advent calendar birt的問題，作者王(木常)勇 這樣論述：

隨著網際網路蓬勃發展與大數據時代來臨，資料探勘、機器學習及深度學習 成為相當熱門的顯學，Google AlphaGo 電腦圍棋程式更是將人工智慧推向另一個 轉捩點。因社群媒體的發展與進步，人們已習慣將日常生活記錄於社群媒體，在 大數據的時代下，處理繁雜且不具結構化的資料常是一大問題，如何快速掌握文 本重點與擷取核心知識，並發現其價值是相當重要的研究方向。因此，本論文應 用文字探勘、中文自然語言處理、模糊知識本體及模糊推論等相關技術，並以國 立臺南大學研發處 2011 年 1 月至 2015 年 07 月研發長的公務行程行事曆與會議 紀錄等社群媒體相關文本資料為研究案例，包括: (1)學術發展

組之 100 年校務評 鑑、(2)國際事務組之落實與深化國際學術合作交流及(3)產學合作組之實現國立 大學社會責任及弱勢關懷與協助教育部處理南聰聽障學生性帄事件國家賠償案 (2013/10-2015/1)，進行文本內容分類及摘要之研究。首先，領域專家負責建構研 究發展處各組之知識本體，並給定文本內容分類及摘要參考標準。自動擷取代理 人自社群媒體擷取相關文本資料，並以開源軟體 Jieba 進行斷詞前處理及以 Google 開源軟體 Word2Vec 訓練詞彙相似性模組。再來，依據領域專家所建置之 知識庫與規則庫，分別以 TSK Fuzzy Model 推論公務行程行事曆會議型態分類， 及以 Ma

mdani Fuzzy Model 推論屬於每一組之可能性，並進行基因學習與粒子群 最佳化演算法學習前後之正確率分析。文本內容摘要機制則結合知識本體及開源 軟體 TextRank 演算法進行文本摘要，最後，由機器人 Palro 將摘要內容轉成語音， 達到個人行動助理的效益。實驗結果顯示機器學習後可以提高公務行程行事曆屬 於每一組之正確率，基於知識本體摘要可獲得與專家參考標準較相近的結果。本 論文所提之方法，未來將可結合 OWL 與 FML 建置更多範疇與不具結構化資料 之知識本體，以達到最佳化文本摘要結果。