چگونه متن کاوی می تواند پیچیدگی های داده های تدارکات را ساده کند

جدول پیوندها

1. چکیده و مقدمه

2. دامنه و وظیفه

   2.1. منابع داده و پیچیدگی

   2.2. تعریف وظیفه

3. کار مرتبط

   3.1. بررسی اجمالی تحقیق متن کاوی و NLP

   3.2. متن کاوی و NLP در استفاده در صنعت

   3.3. متن کاوی و NLP برای تهیه

   3.4. نتیجه گیری از بررسی ادبیات

4. روش پیشنهادی

   4.1. دانش دامنه

   4.2. استخراج محتوا

   4.3. منطقه بندی لات

   4.4. تشخیص آیتم لات

   4.5. تجزیه فراوان

   4.6. تجزیه XML، پیوستن به داده ها، و توسعه شاخص های ریسک

5. آزمایش و نمایش

   5.1. ارزیابی مولفه

   5.2. نمایش سیستم

6. بحث

   6.1. تمرکز “صنعت” پروژه

   6.2. ناهمگونی داده ها، ماهیت چند زبانه و چند وظیفه ای

   6.3. معضل انتخاب های الگوریتمی

   6.4. هزینه داده های آموزشی

7. نتیجه گیری، قدردانی و مراجع

با توجه به ماهیت چند وظیفه ای و مجموعه داده های ناهمگون کار ما، می توانیم بسیاری از زمینه های تحقیق مرتبط را شناسایی کنیم. بررسی ادبیات ما بر حوزه زیر تمرکز خواهد کرد. ابتدا، ما یک نمای کلی از تحقیقات مربوط به متن کاوی و وظایف NLP مختلف مربوط به کارمان ارائه می دهیم. ما از ارائه جزئیات مطالعات فردی به دلیل دامنه بسیار گسترده و حجم گسترده ادبیات اجتناب می کنیم. در عوض قصد ما این است که ادبیاتی را ترسیم کنیم که به توسعه راه حل ما کمک کند و …