In questa tesi viene studiata la riproducibilità di GRAS, un algoritmo di stemming che utilizza metodi probabilistici per raggruppare le parole di un lexicon in classi morfologicamente correlate, a cui viene assegnata una radice linguistica comune. L'obiettivo è riprodurre quanto svolto dagli autori dell'articolo in cui GRAS è stato presentato, sia per quanto riguarda l'implementazione del codice, sia per la parte relativa alla valutazione sperimentale
Data-Driven Information Retrieval: Riproducibilità di uno stemmer probabilistico
Busato, Giulio
2017/2018
Abstract
In questa tesi viene studiata la riproducibilità di GRAS, un algoritmo di stemming che utilizza metodi probabilistici per raggruppare le parole di un lexicon in classi morfologicamente correlate, a cui viene assegnata una radice linguistica comune. L'obiettivo è riprodurre quanto svolto dagli autori dell'articolo in cui GRAS è stato presentato, sia per quanto riguarda l'implementazione del codice, sia per la parte relativa alla valutazione sperimentaleFile in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
tesi_busato_giulio.pdf
accesso aperto
Dimensione
844.23 kB
Formato
Adobe PDF
|
844.23 kB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.12608/25682