From: Andrey Orlov <cray_@neural.ru> To: community@altlinux.ru Subject: Re: [Comm] Автораспознавание кодировки? Date: Sun, 14 Nov 2004 02:35:27 +0300 Message-ID: <200411140235.28086.cray_@neural.ru> (raw) In-Reply-To: <20041113210431.GA14160@mithraen_ws> On Sunday 14 November 2004 00:04, Денис Смирнов wrote: > AO> Зачем хранить для всех? Достаточно хранить только для тех, которые значимы для задачи > AO> выбора - а это существенно меньше, в том-то и пафос. > > Дык я совсем-совсем тупым алгоритмом это делал -- считал статистику, а > потом перемножал её на эталонную статистику для разных кодировок. Считал > суммы и делал выводы :) > > А алгоритма для поиска более важных для принятия решения данных я не знаю. Значимых. Не важных. Не вдаваясь в математические подробности, просто укажу один упрощенный практически допустимый случай - оценка значимости по выборочной вероятности. Т.е. если вы просто выкините все триграммы, вероятность появления которых близка к нулю - вы очень сильно сократите таблицу. Я обращаю внимание, что это упрощенная оценка (не строгая), применимая, однако, в данном частном случае. Более качественные, в общем случае, результаты дает т.н. "Inverse Documents Frequency" (IDF, см. google), а более математически строгими являеются оценки на основе теоремы Байеса (см. там же). Хотя, разумеется, во всех трех случаях вывод начинается примерно из одного и того же места, просто делаются более или менее строгие / общие допущения. Если хочется совсем "кашмарной теории", то можете обратить внимание на LSA / LSI (см. там же) или Кохоненовский "bluring" (ищите по слову WEBSOM). Хотя, конечно, LSA & WEBSOM для определения кодировки - это уже overkill ;) > Ну это уж гораздо сложнее логика получается. Логика абсолютно та же самая, выбор наиболее близкой (в среднеквадратичном смысле) теоретической гистограммы признаков генеральной совокупности к выборочной гистограмме признаков. Просто множество признаков другое. Если алгоритм удачно факторизован, то имеет место семейство алгоритмов, различающихся лишь словарем признаков. -- WthBstRgrds -- Андрей Орлов -- --- http: www.neural.ru, mail: cray@neural.ru, jid: cray@altlinux.org --- ----------------------------------------
next prev parent reply other threads:[~2004-11-13 23:35 UTC|newest] Thread overview: 19+ messages / expand[flat|nested] mbox.gz Atom feed top 2004-11-08 20:22 Mikhail Ramendik 2004-11-08 20:30 ` Alexey Rusakov 2004-11-08 23:46 ` Mikhail Ramendik 2004-11-09 20:04 ` Денис Смирнов 2004-11-12 5:34 ` Alexey V. Novikov 2004-11-12 16:20 ` Денис Смирнов 2004-11-12 22:33 ` Andrey Orlov 2004-11-13 15:12 ` Денис Смирнов 2004-11-13 21:04 ` Денис Смирнов 2004-11-13 23:35 ` Andrey Orlov [this message] 2004-11-15 10:01 ` Anton V. Boyarshinov 2004-11-16 18:02 ` Денис Смирнов 2004-11-16 19:53 ` Andrey Orlov 2004-11-16 20:15 ` Денис Смирнов 2004-11-16 21:34 ` Andrey Orlov 2004-11-17 18:45 ` dm 2004-11-18 0:08 ` Andrey Orlov 2004-11-12 22:30 ` Andrey Orlov 2004-11-13 15:16 ` Денис Смирнов
Reply instructions: You may reply publicly to this message via plain-text email using any one of the following methods: * Save the following mbox file, import it into your mail client, and reply-to-all from there: mbox Avoid top-posting and favor interleaved quoting: https://en.wikipedia.org/wiki/Posting_style#Interleaved_style * Reply using the --to, --cc, and --in-reply-to switches of git-send-email(1): git send-email \ --in-reply-to=200411140235.28086.cray_@neural.ru \ --to=cray_@neural.ru \ --cc=community@altlinux.ru \ /path/to/YOUR_REPLY https://kernel.org/pub/software/scm/git/docs/git-send-email.html * If your mail client supports setting the In-Reply-To header via mailto: links, try the mailto: link
ALT Linux Community general discussions This inbox may be cloned and mirrored by anyone: git clone --mirror http://lore.altlinux.org/community/0 community/git/0.git # If you have public-inbox 1.1+ installed, you may # initialize and index your mirror using the following commands: public-inbox-init -V2 community community/ http://lore.altlinux.org/community \ mandrake-russian@linuxteam.iplabs.ru community@lists.altlinux.org community@lists.altlinux.ru community@lists.altlinux.com public-inbox-index community Example config snippet for mirrors. Newsgroup available over NNTP: nntp://lore.altlinux.org/org.altlinux.lists.community AGPL code for this site: git clone https://public-inbox.org/public-inbox.git