3
1
dydaktyka/chris/MIN_2016/Zajecia_12.md

143 lines
4.1 KiB
Markdown
Raw Blame History

This file contains invisible Unicode characters

This file contains invisible Unicode characters that are indistinguishable to humans but may be processed differently by a computer. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

# Miary podobieństwa; Moce zbiorów nieostrych; Kwantyfikatory; Podsumowania lingwistyczne {#miary_podobieństwa_moce_zbiorów_nieostrych_kwantyfikatory_podsumowania_lingwistyczne}
## Moce skalarne zbiorów nieostrych {#moce_skalarne_zbiorów_nieostrych}
```{=mediawiki}
{{attachment:chris/MIN_2013/Zajecia_12/moc.PNG}}
```
### Przykłady funkcji wagowej: {#przykłady_funkcji_wagowej}
```{=mediawiki}
{{attachment:chris/MIN_2013/Zajecia_12/prz1.PNG}}
```
```{=mediawiki}
{{attachment:chris/MIN_2013/Zajecia_12/prz2.PNG}}
```
```{=mediawiki}
{{attachment:chris/MIN_2013/Zajecia_12/prz3.PNG}}
```
```{=mediawiki}
{{attachment:chris/MIN_2013/Zajecia_12/prz4.PNG}}
```
```{=mediawiki}
{{attachment:chris/MIN_2013/Zajecia_12/prz5.PNG}}
```
## System rekomendacyjny typu content-based {#system_rekomendacyjny_typu_content_based}
Zadanie - znajdź obiekt(y) najlepiej odpowiadający preferencjom
użytkownika
**krok 1** - zdefiniuj opisy obiektów
- **O** - zbiór obiektów
- **A** - zbiór atrybutów opisujących obiekty
**krok 2** - zdefiniuj profil użytkownika
**krok 3** - określ podobieństwo każdego obiektu do profilu użytkownika
**krok 4** - uszereguj obiekty według podobieństwa
## Miary podobieństwa zbiorów rozmytych {#miary_podobieństwa_zbiorów_rozmytych}
```{=mediawiki}
{{attachment:chris/MIN_2013/Zajecia_12/miary_podobienstwa.PNG}}
```
## Kwantyfikatory lingwistyczne {#kwantyfikatory_lingwistyczne}
### Zdania z kwantyfikatorem względnym {#zdania_z_kwantyfikatorem_względnym}
```{=mediawiki}
{{attachment:chris/MIN_2013/Zajecia_12/zd1.PNG}}
```
```{=mediawiki}
{{attachment:chris/MIN_2013/Zajecia_12/zd1a.PNG}}
```
```{=mediawiki}
{{attachment:chris/MIN_2013/Zajecia_12/zd2.PNG}}
```
```{=mediawiki}
{{attachment:chris/MIN_2013/Zajecia_12/zd2a.PNG}}
```
### Zdania z kwantyfikatorem absolutnym {#zdania_z_kwantyfikatorem_absolutnym}
```{=mediawiki}
{{attachment:chris/MIN_2013/Zajecia_12/typ2.PNG}}
```
## Zastosowanie kwantyfikatorów lingwistycznych do sumaryzacji lingwistycznej {#zastosowanie_kwantyfikatorów_lingwistycznych_do_sumaryzacji_lingwistycznej}
### System QUANTIRUS {#system_quantirus}
- [
quantirus.zip](attachment:ania/TZN330/Zaj12/quantirus.zip "wikilink")
## Zadania
### Zadanie 1 {#zadanie_1}
Zebrane zostały informacje na temat ofert taryfowych operatora telefonii
komórkowej:
\|\| ID \|\| CENA \|\| DL_UMOWY \|\| DARMOWE_SMS \|\| \|\| 1 \|\| 200
\|\| 12 \|\| 200 \|\| \|\| 2 \|\| 35 \|\| 36 \|\| 0 \|\| \|\| 3 \|\| 70
\|\| 6 \|\| 100 \|\| \|\| 4 \|\| 130 \|\| 12 \|\| 50 \|\| \|\| 5 \|\| 65
\|\| 12 \|\| 100 \|\|
Odpowiedz na pytania:
1. Ile taryf oferuje tani abonament?
`2. Ile długoterminowych umów oferuje dużą liczbę darmowych smsów?`
Wykorzystaj różne funkcje wagowe
### Zadanie 2 {#zadanie_2}
Wśród listy obiektów oferowanych przez system rekomendacyjny (o1, o2,
o3) znajdź ten, który najlepiej spełnia preferencje użytkownika (u)
\|\| \|\|**a1** \|\|**a2** \|\|**a3** \|\|**a4** \|\| \|\|**o1** \|\|1
\|\|0,75 \|\|0,25 \|\|0,5 \|\| \|\|**o2** \|\|0,25 \|\|0,25 \|\|0 \|\|1
\|\| \|\|**o3** \|\|0,75 \|\|0,5 \|\|1 \|\|0,25 \|\| \|\| \|\| \|\| \|\|
\|\| \|\| \|\|**u** \|\|0,75 \|\|1 \|\|0,25 \|\|0,75 \|\|
Do wyznaczenia podobieństwa wykorzystaj:
- odległość Hamminga
- współczynnik Jaccarda
### Zadanie 3 {#zadanie_3}
Dla danych z zadania 1: Wyznacz stopień prawdziwości zdań:
1. Większość ofert jest droga
`2. Około połowa taryf oferuje dość dużo darmowych SMSów`\
`3. Niewiele tanich ofert jest krótkoterminowych`
### Zadanie 4 {#zadanie_4}
Wygeneruj dowolne podsumowanie dla bazy danych Filmy z zajęc
<https://eduwiki.wmi.amu.edu.pl/chris/MIN_2013/Zajecia_5>
tzn. przygotuj funkcję: Podaj_Podsumowanie(kwantyfikator, atrybut)
gdzie: kwantyfikator - dowolny, jeden ustalony kwantyfikator, np.
wiekszosc
atrybut - np Rok produkcji
Wykorzystujac zm.lingwistyczna zdefiniowana na atrybucie Rok produkcji
na poczatkowych zajeciach, wyznaczyc prawdziwosc zdan:
- wiekszosc filmow jest nowa
```{=html}
<!-- -->
```
- wiekszosc filmow jest stara
Jako wynik funkcja ma podawac najbardziej prawdziwe z tych podsumowan
wraz ze stopniem jego prawdziwosci