ΠΠΊΡΠΏΠ΅ΡΠΈΠΌΠ΅Π½ΡΡ ΠΏΡΠΎΠ²ΠΎΠ΄ΠΈΠ»ΠΈΡΡ Π½Π° ΠΎΠ±ΡΡΠ°ΡΡΠ΅ΠΉ (ΠΎΠΊΠΎΠ»ΠΎ 9000 ΡΠΈΠΌΠ²ΠΎΠ»ΠΎΠ²) ΠΈ ΡΠ΅ΡΡΠΎΠ²ΠΎΠΉ (ΠΎΠΊΠΎΠ»ΠΎ 300 000 ΡΠΈΠΌΠ²ΠΎΠ»ΠΎΠ²) Π²ΡΠ±ΠΎΡΠΊΠ°Ρ
, ΠΏΡΠΈΠ½ΡΡΡΡ
Π² ABBYY OCR Technologies. ΠΡΠ΅ ΠΎΠΏΠΈΡΠ°Π½Π½ΡΠ΅ ΡΠ΅Π·ΡΠ»ΡΡΠ°ΡΡ ΠΏΠΎΠ»ΡΡΠ΅Π½Ρ Π½Π° ΠΎΠΌΠ½ΠΈΡΠΎΠ½ΡΠΎΠ²ΡΡ
ΠΏΡΠΈΠ·Π½Π°ΠΊΠ°Ρ
(73 ΡΠΈΡΠ»ΠΎΠ²ΡΡ
ΠΏΡΠΈΠ·Π½Π°ΠΊΠ°), Π½ΠΎ ΠΈΡ
ΠΏΡΠΎΠ²Π΅ΡΠΊΠ° Π½Π° ΠΊΠΎΠ½ΡΡΡΠ½ΡΡ
ΠΏΡΠΈΠ·Π½Π°ΠΊΠ°Ρ
(74 ΡΠΈΡΠ»ΠΎΠ²ΡΡ
ΠΏΡΠΈΠ·Π½Π°ΠΊΠ°) Π·Π½Π°ΡΠΈΡΠ΅Π»ΡΠ½ΡΡ
ΡΠ°ΡΡ
ΠΎΠΆΠ΄Π΅Π½ΠΈΠΉ Π½Π΅ Π²ΡΡΠ²ΠΈΠ»Π°.
Π‘ΠΏΠΎΡΠΎΠ± ΠΏΠΎΡΡΡΠΎΠ΅Π½ΠΈΡ Π΄Π΅ΡΠ΅Π²Π° ΡΠ΅ΡΠ΅Π½ΠΈΠΉ
ΠΠ΅ΡΠ΅Π²ΠΎ ΡΠ΅ΡΠ΅Π½ΠΈΠΉ ΠΌΠΎΠΆΠ΅Ρ Π±ΡΡΡ ΠΏΠΎΡΡΡΠΎΠ΅Π½ΠΎ Π½Π΅ΡΠΊΠΎΠ»ΡΠΊΠΈΠΌΠΈ ΡΠΏΠΎΡΠΎΠ±Π°ΠΌΠΈ. ΠΠ°Π½Π½ΡΠ΅ ΠΌΠΎΠ³ΡΡ Π±ΡΡΡ Π΄ΠΈΡΠΊΡΠ΅ΡΠΈΠ·ΠΈΡΠΎΠ²Π°Π½Ρ (Ρ ΠΏΡΠΈΠΌΠ΅Π½Π΅Π½ΠΈΠ΅ΠΌ ΡΠΎΠΉ ΠΈΠ»ΠΈ ΠΈΠ½ΠΎΠΉ ΠΌΠ΅ΡΡ ΠΊΠ°ΡΠ΅ΡΡΠ²Π° ΡΠ°Π·Π±ΠΈΠ΅Π½ΠΈΡ), ΠΈ ΠΊ Π½ΠΈΠΌ ΠΌΠΎΠΆΠ΅Ρ Π±ΡΡΡ ΠΏΡΠΈΠΌΠ΅Π½ΡΠ½ Π°Π»Π³ΠΎΡΠΈΡΠΌ C4.5 Π΄Π»Ρ Π΄ΠΈΡΠΊΡΠ΅ΡΠ½ΡΡ
ΠΏΡΠΈΠ·Π½Π°ΠΊΠΎΠ². ΠΡΠΎΠΌΠ΅ ΡΠΎΠ³ΠΎ, ΠΌΠΎΠΆΠ΅Ρ Π±ΡΡΡ ΠΏΡΠΈΠΌΠ΅Π½Π΅Π½Π° ΠΌΠΎΠ΄ΠΈΡΠΈΠΊΠ°ΡΠΈΡ C4.5 Π΄Π»Ρ ΡΠΈΡΠ»ΠΎΠ²ΡΡ
Π΄Π°Π½Π½ΡΡ
(ΠΏΠΎΠ΄Π±ΠΎΡ ΡΠΎΡΠΊΠΈ ΡΠ°Π·Π±ΠΈΠ΅Π½ΠΈΡ ΠΎΡΠΈ Π·Π½Π°ΡΠ΅Π½ΠΈΠΉ ΠΏΡΠΈΠ·Π½Π°ΠΊΠ° Π½Π΅ΠΏΠΎΡΡΠ΅Π΄ΡΡΠ²Π΅Π½Π½ΠΎ Π² Π²Π΅ΡΡΠΈΠ½Π΅). ΠΠ°ΠΊΠΎΠ½Π΅Ρ, Π²ΠΎΠ·ΠΌΠΎΠΆΠ΅Π½ Π²ΡΠΈΠ³ΡΡΡ ΠΎΡ ΠΏΡΠΈΠΌΠ΅Π½Π΅Π½ΠΈΡ ΡΠ΅ΡΡΡΠΊΠΈ ΡΠΎΡΠΌΠ°Π»ΡΠ½ΡΡ
ΠΏΠΎΠ½ΡΡΠΈΠΉ Π²ΠΌΠ΅ΡΡΠΎ Π΄Π΅ΡΠ΅Π²Π° ΡΠ΅ΡΠ΅Π½ΠΈΠΉ. ΠΠΎΡΡΠΎΠΌΡ ΠΏΠ΅ΡΠ΅Π΄ Π΄Π°Π»ΡΠ½Π΅ΠΉΡΠΈΠΌΠΈ ΡΠΊΡΠΏΠ΅ΡΠΈΠΌΠ΅Π½ΡΠ°ΠΌΠΈ Π±ΡΠ»ΠΎ ΠΏΡΠΎΠΈΠ·Π²Π΅Π΄Π΅Π½ΠΎ ΡΡΠ°Π²Π½Π΅Π½ΠΈΠ΅ Π΄Π°Π½Π½ΡΡ
Π°Π»Π³ΠΎΡΠΈΡΠΌΠΎΠ² (ΡΠ°Π±Π». 1).
Π’Π°Π±Π». 1.
|
ΠΠ»Π³ΠΎΡΠΈΡΠΌ. | ΠΠ΅ΡΠ°. | %. | |
Ρ Π΄ΠΈΡΠΊΡΠ΅ΡΠΈΠ·Π°ΡΠΈΠ΅ΠΉ. | ΡΠ½ΡΡΠΎΠΏΠΈΡ. | 87,63. | |
Ρ Π΄ΠΈΡΠΊΡΠ΅ΡΠΈΠ·Π°ΡΠΈΠ΅ΠΉ. | ΠΊΠΎΡΡΡΠΈΡΠΈΠ΅Π½Ρ Π₯ΠΎΡΠ΅Π»Π»ΠΈΠ½Π³Π°. | 87,98. | |
Π±Π΅Π· Π΄ΠΈΡΠΊΡΠ΅ΡΠΈΠ·Π°ΡΠΈΠΈ. | ΡΠ½ΡΡΠΎΠΏΠΈΡ. | 89,94. | |
Π±Π΅Π· Π΄ΠΈΡΠΊΡΠ΅ΡΠΈΠ·Π°ΡΠΈΠΈ. | ΠΈΠ½Π΄Π΅ΠΊΡ ΠΠΈΠ½ΠΈ. | 88,32. | |
ΡΠ΅ΡΡΡΠΊΠ°. | | 89,60. | |
|
Π’Π°ΠΊΠΈΠΌ ΠΎΠ±ΡΠ°Π·ΠΎΠΌ, Π»ΡΡΡΠΈΠΉ ΡΠ΅Π·ΡΠ»ΡΡΠ°Ρ Π΄ΠΎΡΡΠΈΠ³Π°Π΅ΡΡΡ Π΄Π΅ΡΠ΅Π²ΠΎΠΌ ΡΠ΅ΡΠ΅Π½ΠΈΠΉ, ΠΏΠΎΡΡΡΠΎΠ΅Π½Π½ΡΠΌ Π½Π°ΠΏΡΡΠΌΡΡ ΠΏΠΎ ΡΠΈΡΠ»ΠΎΠ²ΡΠΌ ΠΏΡΠΈΠ·Π½Π°ΠΊΠ°ΠΌ. Π Π΅ΡΡΡΠΎΡΠ½ΡΠΉ Π°Π»Π³ΠΎΡΠΈΡΠΌ Π½Π΅ ΠΎΠ±Π΅ΡΠΏΠ΅ΡΠΈΠ²Π°Π΅Ρ ΡΠ°ΠΊΠΎΠ³ΠΎ Π²ΡΠΈΠ³ΡΡΡΠ°, ΠΊΠ°ΠΊ Π½Π° ΠΌΠ°Π»ΡΡ
Π²ΡΠ±ΠΎΡΠΊΠ°Ρ
[ΠΡΠΊΠΎΠ²ΠΈΡ ΠΈ Π΄Ρ., 2008], — Π²Π΅ΡΠΎΡΡΠ½ΠΎ, ΠΏΠΎΡΠΎΠΌΡ, ΡΡΠΎ ΡΡΠ΅Π΄ΠΈ 9000 ΠΎΠ±ΡΠ΅ΠΊΡΠΎΠ² ΡΠ»ΠΎΠΆΠ½ΠΎ Π²ΡΡΠ²ΠΈΡΡ Π°ΠΏΡΠΈΠΎΡΠ½ΡΠ΅ Π»ΠΎΠ³ΠΈΡΠ΅ΡΠΊΠΈΠ΅ ΡΠ²ΡΠ·ΠΈ ΠΌΠ΅ΠΆΠ΄Ρ ΠΏΡΠΈΠ·Π½Π°ΠΊΠ°ΠΌΠΈ.
ΠΠ΅ΡΠ΅Π²ΡΡ ΡΠ΅ΡΠ΅Π½ΠΈΠΉ Ρ Π²Π°ΡΠΈΠ°Π½ΡΠ°ΠΌΠΈ
ΠΡΠΏΠΎΠ»ΡΠ·ΡΡ Π»ΡΡΡΠΈΠΉ Π²Π°ΡΠΈΠ°Π½Ρ Π΄Π΅ΡΠ΅Π²Π° ΠΈΠ· ΠΏΡΠ΅Π΄ΡΠ΄ΡΡΠ΅Π³ΠΎ ΡΠΊΡΠΏΠ΅ΡΠΈΠΌΠ΅Π½ΡΠ°, ΡΡΠ°Π²Π½ΠΈΠΌ ΡΠ΅ΠΏΠ΅ΡΡ ΡΠ°Π·Π»ΠΈΡΠ½ΡΠ΅ ΡΠΏΠΎΡΠΎΠ±Ρ Π³Π΅Π½Π΅ΡΠ°ΡΠΈΠΈ Π²Π°ΡΠΈΠ°Π½ΡΠΎΠ².
Π‘ΡΠ°Π·Ρ ΠΎΡΠΌΠ΅ΡΠΈΠΌ, ΡΡΠΎ Π°ΠΏΠΏΡΠΎΠΊΡΠΈΠΌΠ°ΡΠΈΡ Π½ΠΎΡΠΌΠ°Π»ΡΠ½ΡΠΌ ΡΠ°ΡΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈΠ΅ΠΌ ΡΠ΅Π·ΡΠ»ΡΡΠ°ΡΠΎΠ² Π½Π΅ Π΄Π°ΡΡ (ΡΠΆΠ΅ Π½Π° 2 Π²Π°ΡΠΈΠ°Π½ΡΠ°Ρ
ΡΠΎΡΠ½ΠΎΡΡΡ ΠΏΠ°Π΄Π°Π΅Ρ Π΄ΠΎ 80%). ΠΡΠΈΡΠΈΠ½Π° Π² ΡΠΎΠΌ, ΡΡΠΎ ΡΠ²Π΅ΡΠ΅Π½Π½ΠΎΡΡΡ Π² ΡΠ΅ΡΠ΅Π΄ΠΈΠ½Π΅ ΠΈΠ½ΡΠ΅ΡΠ²Π°Π»Π° Π·Π°Π²ΠΈΡΠΈΡ ΠΎΡ ΡΠΈΡΠΈΠ½Ρ ΠΈΠ½ΡΠ΅ΡΠ²Π°Π»Π°, ΡΡΠΎ ΠΏΡΠΈΠ²ΠΎΠ΄ΠΈΡ ΠΊ Π½Π΅ΠΌΠΎΡΠΈΠ²ΠΈΡΠΎΠ²Π°Π½Π½ΡΠΌ ΠΈΠ·ΠΌΠ΅Π½Π΅Π½ΠΈΡΠΌ ΡΠ²Π΅ΡΠ΅Π½Π½ΠΎΡΡΠΈ ΠΏΡΠ°Π²ΠΈΠ»ΡΠ½ΠΎΠ³ΠΎ Π²Π°ΡΠΈΠ°Π½ΡΠ° Π² ΡΠΈΡΠΎΠΊΠΎΠΌ Π΄ΠΈΠ°ΠΏΠ°Π·ΠΎΠ½Π΅.
ΠΡΡΡΠΈΠ΅ ΡΠ΅Π·ΡΠ»ΡΡΠ°ΡΡ Π΄Π°ΡΡ ΠΏΡΠΈΠΌΠ΅Π½Π΅Π½ΠΈΠ΅ ΡΡΠ°ΠΏΠ΅ΡΠ΅ΠΈΠ΄Π°Π»ΡΠ½ΠΎΠΉ ΡΡΠ½ΠΊΡΠΈΠΈ, Π° Π΅ΡΡ Π»ΡΡΡΠΈΠ΅ — random forest. ΠΠ° ΡΠΈΡΡΠ½ΠΊΠ΅ 2 ΠΏΡΠΈΠ²Π΅Π΄Π΅Π½Π° Π·Π°Π²ΠΈΡΠΈΠΌΠΎΡΡΡ ΠΏΡΠΎΡΠ΅Π½ΡΠ° ΡΠ°ΡΠΏΠΎΠ·Π½Π°Π½Π½ΡΡ
ΡΠΈΠΌΠ²ΠΎΠ»ΠΎΠ² ΠΎΡ ΡΠΈΡΠ»Π° Π³ΠΈΠΏΠΎΡΠ΅Π· (Π΄Π»Ρ post-fuzzification ΡΡΠΎ ΡΠΈΡΠΈΠ½Π° ΡΡΠΎΠ½ΡΠ° Π»ΡΡΠ΅Π²ΠΎΠ³ΠΎ ΠΏΠΎΠΈΡΠΊΠ°, Π΄Π»Ρ random forest — ΡΠΈΡΠ»ΠΎ Π΄Π΅ΡΠ΅Π²ΡΠ΅Π²).
Π ΠΈΡ. 2. Π‘ΡΠ°Π²Π½Π΅Π½ΠΈΠ΅ ΡΠΏΠΎΡΠΎΠ±ΠΎΠ² Π³Π΅Π½Π΅ΡΠ°ΡΠΈΠΈ Π³ΠΈΠΏΠΎΡΠ΅Π·
Π‘ΡΠ°Π²Π½Π΅Π½ΠΈΠ΅ ΡΠ°ΡΡΠΌΠ°ΡΡΠΈΠ²Π°Π΅ΠΌΡΡ
Π°Π»Π³ΠΎΡΠΈΡΠΌΠΎΠ²
Π’Π΅ΠΏΠ΅ΡΡ ΡΡΠ°Π²Π½ΠΈΠΌ Π»ΡΡΡΠΈΠ΅ Π²Π°ΡΠΈΠ°Π½ΡΡ Π²ΡΠ΅Ρ
ΡΠ°ΡΡΠΌΠ°ΡΡΠΈΠ²Π°Π΅ΠΌΡΡ
Π°Π»Π³ΠΎΡΠΈΡΠΌΠΎΠ². ΠΠ° ΡΠΈΡΡΠ½ΠΊΠ΅ 3 ΠΏΡΠΈΠ²Π΅Π΄Π΅Π½Ρ ΠΏΡΠΎΡΠ΅Π½ΡΡ ΡΠΈΠΌΠ²ΠΎΠ»ΠΎΠ², Π΄Π»Ρ ΠΊΠΎΡΠΎΡΡΡ
ΠΏΡΠ°Π²ΠΈΠ»ΡΠ½Π°Ρ Π³ΠΈΠΏΠΎΡΠ΅Π·Π° Π²ΡΡΡΠ΅ΡΠ°Π΅ΡΡΡ ΡΡΠ΅Π΄ΠΈ ΠΏΠ΅ΡΠ²ΡΡ
N Π³ΠΈΠΏΠΎΡΠ΅Π· (N — ΠΏΠΎ ΠΎΡΠΈ Π°Π±ΡΡΠΈΡΡ).