Οδηγίες για τη δημιουργία διαδραστικών δραστηριοτήτων με την εφαρμογή Wordwal...
Ioannis Iakovidis
1. Διπλωματική εργασία του
Ιακωβίδη Ιωάννη
AEM: 7436
υπό την επίβλεψη του Επίκουρου Καθηγητή
Ανδρέα Λ. Συμεωνίδη
και του μεταδιδακτορικού ερευνητή
Κυριάκου Χατζηδημητρίου
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ
ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ
ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ
ΤΟΜΕΑΣ ΗΛΕΚΤΡΟΝΙΚΗΣ & ΥΠΟΛΟΓΙΣΤΩΝ
ΕΡΓΑΣΤΗΡΙΟ ΕΠΕΞΕΡΓΑΣΙΑΣ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΥΠΟΛΟΓΙΣΜΩΝ
2. Τεράστιος αριθμός διαθέσιμων συλλογών
δεδομένων
Έξυπνες συσκευές
Ενσωματωμένοι υπολογιστές
Διαδικτυακές συναλλαγές
Μεγάλη ζήτηση για πλήθος και ποικιλία
δεδομένων
Αυξανόμενη διαθέσιμη υπολογιστική δύναμη
3. Η χρήση ποικιλίας συλλογών δεδομένων
αποδεικνύεται χρονοβόρα
Προεπεξεργασία δεδομένων για την μετατροπή τους
σε κοινή μορφή
Ιδιαίτερα δύσκολη η χρήση ημιδομημένων
δεδομένων (π.χ. Wikipedia)
Δομή ποικίλει μεταξύ εγγραφών
5. Σχεδίαση και υλοποίηση συστημάτων
ενισχυτικής μάθησης πολλαπλών σταδίων
Αποκατάσταση δομής δεδομένων
Εξαγωγή δομημένων δεδομένων από φυσική
γλώσσα
Εξαγωγή δομημένων δεδομένων από HTML
σελίδες
6. Ο πράκτορας αντιλαμβάνεται το περιβάλλον του
μέσω του σήματος κατάσταστης S
Από το σήμα S εξάγονται χαρακτηριστικά σύμφωνα
με τα οποία επιλέγεται η ενέργεια Α
Το περιβάλλον αντιδρά στην ενέργεια του πράκτορα
παράγοντας σήμα επιβράβευσης R και νέο σήμα
κατάστασης S’
Ο πράκτορας προσαρμόζει τις ενέργειές του βάση
του σήματος επιβράβευσης
11. Θα θέλαμε να χρησιμοποιήσουμε τα μονοπάτια
επόμενων κόμβων για να βρούμε τα πιο δύσκολα
μονοπάτια.
Πρόβλημα:
Η ελεύθερη (μη σειριακή) αντιμετώπιση των γραμμών
είναι υπερβολικά απαιτητική.
Παρατήρηση:
Τα πιο χρήσιμα μονοπάτια είναι αυτά της
προηγούμενης και της επόμενης γραμμής.
12. Λύση:
Επιλογή μεταξύ των επόμενων δύο γραμμών
Speech
Speaker
MARCELLUS
Line
'Tis gone!
Stagedir
Exit Ghost
Speech
Speaker
MARCELLUS
Speech
Speaker
MARCELLUS
Blank
Stagedir
Exit Ghost
Πλεονεκτήματα Μειονεκτήματα
Χρήση μονοπατιού επομένης
γραμμής στα χαρακτηριστικά
Αύξηση αριθμού διαθέσιμων
ενεργειών
Αργότερος αλγόριθμος
13. Μετρικές επίδοσης:
Path Percentage Similarity Measure: Ποσοστό σωστών
μονοπατιών κόμβων από την ρίζα του δέντρου μέχρι
το φύλλο.
F1 Subtree Similarity Measure: Ποσοστό κοινών
υποδέντρων μεταξύ του ζητούμενου δέντρου και του
ανακατασκευασμένου.
F1 TagType Measure: Μέσος όρος της τιμής F1 για
κάθε τύπο κόμβου στα φύλλα του δέντρου.
14. 0.9
0.91
0.92
0.93
0.94
0.95
0.96
0.97
0.98
0.99
Path Perc Structure F1 TagType Perc
Επίδοση σε σκηνές
Node-by-Node Leaf-by-Leaf Serial Leaf-by-Leaf non-serial
0.6
0.65
0.7
0.75
0.8
0.85
0.9
0.95
1
Path Perc TagType Perc
Επίδοση σε έργα
Leaf-by-Leaf Serial Leaf-by-Leaf Non-serial
Σκηνές
Κάθε μέθοδος παρουσιάζει ελαφρά βελτίωση σε σχέση με τις
προηγούμενες
Έργα
Η ανά κόμβο ανοικοδόμηση υπερβολικά απαιτητική
Η σειριακή μέθοδος καλύτερη της μη-σειριακής
16. Ασχολούμαστε με τον μηχανισμό αυτόματης εξαγωγής
οντοτήτων από προτάσεις απαιτήσεων λογισμικού.
17. Τέσσερεις τύποι οντοτήτων:
Action: Ενέργειες που εκτελούνται
Actor: Οντότητες που εκτελούν ενέργειες (σύστημα,
χρήστες κ.τ.λ.)
Object: Οντότητες πάνω στις οποίες εκτελούνται
ενέργειες.
Property: Ιδιότητες των οντοτήτων τύπου Actor
και Object
18. Τρεις τύποι σχέσεων μεταξύ οντοτήτων:
IsActorOf: Συνδέει οντότητες τύπου Actor με τις
ενέργειες Action που εκτελούν
ActsOn: Συνδέει ενέργειες Action με τις οντότητες
Object πάνω στις οποίες εκτελούνται
HasProperty: Συνδέει οντότητες τύπου Action και
Object με τα χαρακτηριστικά Property
19. Εύρεση οντοτήτων-σχέσεων σε τρία βήματα:
Εύρεση οντοτήτων Action και Object
Εύρεση σχέσεων ActsOn μεταξύ Action και Object
Εύρεση οντοτήτων Actor και Property και σχέσεων
IsActorOf και HasProperty
Προεπεξεργασία: Εξαγωγή συντακτικών
δεδομένων με χρήση Mate-tools
21. Εύρεση οντοτήτων Action και Object
Αναζήτηση ακολουθόντας το συντακτικό δέντρο
Χαρακτηριστικά
Λέξη
Part-of-Speech tag
PoS tags των παιδιών
Συντακτική σχέση των παιδιών με την
τρέχουσα λέξη
Συντακτική σχέση με την λέξη-πατέρα
Ακολουθία συντακτικών σχέσεων από
την τρέχουσα λέξη μέχρι την ρίζα
Ακολουθία σχέσεων από την τρέχουσα
λέξη μέχρι άλλα Action/Object tags.
22. Εύρεση σχέσεων ActsOn
Σειριακή εξέταση ζευγών Action-Object
Χαρακτηριστικά
Ζεύγος λέξεων
Ζεύγος PoS tags
PoS tags των παιδιών
Συντακτικές σχέσεις των
λέξεων με τις λέξεις-
πατέρες τους
Ακολουθία συντακτικών
σχέσεων στο μονοπάτι από
Action σε Object
Ακολουθία σχέσεων στο
μονοπάτι από την
οντότητα Object σε άλλες
οντότητες Object που
συνδέονται με την Action
24. Εύρεση οντοτήτων Actor/Property και σχέσεων
IsActorOf/HasProperty
Αναζήτηση ακολουθόντας το συντακτικό δέντρο
Χαρακτηριστικά
Ζεύγος λέξεων
Ζεύγος PoS tags
Συντακτικές σχέσεις των λέξεων με τις
λέξεις-πατέρες τους
Ακολουθία PoS tags στο μονοπάτι από
την πρώτη λέξη στην δεύτερη
Ακολουθία σχέσεων στο μονοπάτι από
την πρώτη λέξη στην δεύτερη
Ακολουθία σχέσεων στο μονοπάτι από
την δεύτερη λέξη σε άλλες λέξεις που
συνδέονται με την πρώτη
26. Επιδόσεις μικρότερες στο νέο dataset
Ο parser ενισχυτικής μάθησης παρουσιάζει
καλύτερες επιδόσεις
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
S-CASE dataset F1 Perc New requirements F1 Perc
Επίδοση Parsers
RL Parser
S-CASE Parser
27. Εξαγωγή πληροφοριών ταινιών από ιστοσελίδες.
Δύο datasets:
Imdb: Σχετικά σταθερή δομή μεταξύ σελίδων
Wikipedia: Μεγαλύτερη ανομοιομορφία στην δομή των
σελίδων
www.imdb.com www.wikipedia.com
28. title
• Gone With The Wind
Director
• Victor Fleming
Editor
• Hal C. Kern
• James E. Newcom
Δύο στάδια:
Εξαγωγή πληροφοριών
από ιστοσελίδα
Κατηγοριοποίηση
πληροφοριών
29. Πρώτο στάδιο:
Ο πράκτορας ξεκινά στην κορυφή του δέντρου.
Τρείς διαθέσιμες ενέργειες
Χαρακτηριστικά
Όνομα κόμβου
Ακολουθία ονομάτων
κόμβων από τη ρίζα του
δέντρου μέχρι τον τρέχοντα
κόμβο
HTML χαρακτηριστικά του
κόμβου
Επικεφαλίδα υποδέντρου
του κόμβου (αν υπάρχει)
Ονόματα κόμβων που
παρουσιάζονται πάνω από
μία φορά στο υποδέντρο
του κόμβου
36. Δεύτερο στάδιο:
Κατηγοριοποίηση των εξαγομένων δεδομένων
title
• The Jazz Singer
…
Editor
• Harold McCord
…
Production company
• Warner Bros. Pictures
…
Actor
• Al Jolson as Jakie Rabinowitz (Jack Robin) James E.
• Warner Oland as Cantor Rabinowitz
…
Χαρακτηριστικά
Όνομα κόμβου
HTML χαρακτηριστικά του
κόμβου
Επικεφαλίδα υποδέντρου
του κόμβου (αν υπάρχει)
Ονόματα κόμβων που
παρουσιάζονται πάνω από
μία φορά στο υποδέντρο
του κόμβου
38. Συμπεράσματα:
Οι μέθοδοι ενισχυτικήςμάθησης παρουσιάζουν top-
of-the-line επιδόσεις σε προβλήματα δομημένης
πρόβλεψης
Μπορούν να εξερευνούν δομημένα δεδομένα με μια
ποικιλία τρόπων
Μελλοντική εργασία:
Αποτελεσματική μη-σειριακή εξερεύνηση δέντρων
Αντιστοίχηση τμημάτων ιστοσελίδων που περιέχουν
ίδια δεδομένα
Χρήση NLP για εξαγωγή πληροφοριών από άγνωστες
ιστοσελίδες