|
关注：1
2013-05-23 12:21
求翻译：We process the textual metadata using an instance of Wikipedia Miner [3]. Wikipedia Miner learns from the structure of links between Wikipedia pages and uses the resulting model to provide a service detecting potential Wikipedia links in the unstructured text. We trained a Wikipedia Miner instance with a Wikipedia dum是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
We process the textual metadata using an instance of Wikipedia Miner [3]. Wikipedia Miner learns from the structure of links between Wikipedia pages and uses the resulting model to provide a service detecting potential Wikipedia links in the unstructured text. We trained a Wikipedia Miner instance with a Wikipedia dum
问题补充： |
|
2013-05-23 12:21:38
我们处理使用维基矿工[3]的实例的文本元数据。
|
|
2013-05-23 12:23:18
我们处理文本的实例使用元数据的维基百科采矿者[3]。 Wikipedia(维基百科学习矿工的结构之间的链接和使用维基百科页面生成的模型提供一个服务检测到潜在Wikipedia(维基百科的链接的非结构化文本。 我们训练一个维基百科矿工实例与一个维基百科从2012年8月转储。
|
|
2013-05-23 12:24:58
我们使用事例Wikipedia矿工处理原文变数据 (3)。 Wikipedia矿工从链接结构Wikipedia页之间的在无特定结构的文本的学会并且使用发生的模型提供服务查出潜在的Wikipedia链接。 我们训练了一个Wikipedia矿工事例与Wikipedia转储从2012年8月。 Wikipedia矿工退回一套Wikipedia标识符为在文本查出的各种各样的题目，我们然后映射对连接的数据标识符使用DBpedia Lite1服务。 每一个个这些个题目也同信心比分联系在一起。 我们在一家共有的RDF商店存放发生的被衡量的协会在节目和题目之间。 为整个档案，在1百万RDF三倍附近引起的这个过程
|
|
2013-05-23 12:26:38
我们处理的文本的元数据使用维基百科矿工 [3] 的实例。维基百科矿工学会从维基百科页面之间的链接的结构，并使用生成的模型提供一项服务中的非结构化的文本检测潜在的维基百科链接。我们训练与 2012 年 8 月从维基百科转储的维基百科矿工实例。维基百科矿工返回一组中的文本，我们然后映射到关联数据标识符使用 DBpedia Lite1 服务检测到的各种主题的维基百科标识符。每个主题也是与置信度得分相关联。我们共享的 RDF 存储中存储方案和主题之间由此产生的加权的关联。对于整个档案，这个过程生成大约 100 万的 RDF 三元组，互连与 DBpedia 此存档。
|
|
2013-05-23 12:28:18
正在翻译，请等待...
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
