MBR (Memory-Based Reasoning) এর উপাদান
MBR-এর বিভিন্ন উপাদান রয়েছে:
ট্রেনিং সেট নির্বাচন (Choosing the Training Set)
ট্রেনিং সেটে ৪৯,৬৫২টি নিউজ স্টোরি ছিল, যা এই উদ্দেশ্যে নিউজ রিট্রিভাল সার্ভিস দ্বারা সমর্থিত। এই স্টোরিগুলো প্রায় তিন মাসের নিউজ থেকে আসে এবং প্রায় ১০০ বিভিন্ন সোর্স থেকে।
প্রতিটি স্টোরিতে গড় ২,৭০০ শব্দ ছিল এবং এটিকে আটটি কোড বরাদ্দ করা ছিল। ট্রেনিং সেট বিশেষভাবে তৈরি করা হয়নি, তাই ট্রেনিং সেটে কোডের ফ্রিকোয়েন্সি অনেক ভিন্ন ছিল, সাধারণ নিউজ স্টোরিতে কোডের সামগ্রিক ফ্রিকোয়েন্সি অনুকরণ করে।
দূরত্ব ফাংশন নির্বাচন (Choosing the Distance Function)
পরবর্তী ধাপ হল দূরত্ব ফাংশন নির্বাচন। এই পদ্ধতিতে, একটি দূরত্ব ফাংশন বিদ্যমান ছিল, রিলেভ্যান্স ফিডব্যাক (relevance feedback) নামে একটি কনসেপ্টের ওপর ভিত্তি করে যা দুটি ডকুমেন্টের সাদৃশ্য গণনা করে সেগুলো যে শব্দগুলো ধারণ করে তার ওপর ভিত্তি করে। রিলেভ্যান্স ফিডব্যাক, যা সাইডবারে আরও সম্পূর্ণভাবে বর্ণিত, একটি প্রদত্ত ডকুমেন্টের সাথে সাদৃশ্যপূর্ণ ডকুমেন্ট রিটার্ন করার জন্য তৈরি করা হয়েছিল, সার্চ রিফাইন করার একটি পদ্ধতি হিসেবে। একই ডকুমেন্টগুলো MBR-এ নেইবর হিসেবে ব্যবহার করা হয়।
কম্বিনেশন ফাংশন নির্বাচন (Choosing the Combination Function)
পরবর্তী সিদ্ধান্ত হল কম্বিনেশন ফাংশন। নিউজ স্টোরিতে ক্লাসিফিকেশন কোড বরাদ্দ করা অধিকাংশ ক্লাসিফিকেশন সমস্যা থেকে ভিন্ন। অধিকাংশ ক্লাসিফিকেশন সমস্যাগুলো একক সেরা সমাধান খুঁজে। কিন্তু নিউজ স্টোরিতে একাধিক কোড থাকতে পারে, এমনকি একই এলিমেন্ট থেকে। MBR-কে এই সমস্যার জন্য অভিযোজিত করার ক্ষমতা এর নমনীয়তা হাইলাইট করে।
কম্বিনেশন ফাংশন একটি ওজনযুক্ত সামেশন পদ্ধতি প্রয়োজন। যেহেতু সর্বোচ্চ দূরত্ব ১ ছিল, ওজনটি সহজে वन মাইনাস দূরত্ব, তাই ওজনগুলো ছোট দূরত্বের নেইবরের জন্য বড় এবং বড় দূরত্বের নেইবরের জন্য ছোট হতে পারে।
নেইবরের সংখ্যা নির্বাচন (Choosing the Number of Neighbors)
অনুসন্ধান নিকটতম নেইবরের সংখ্যা ১ থেকে ১১ (inclusive) পর্যন্ত ভেরিয়েশন করেছিল। সেরা ফলাফল আরও নেইবর ব্যবহার করলে পাওয়া গেল। কিন্তু এই কেস স্টাডি MBR-এর অনেক অ্যাপ্লিকেশন থেকে ভিন্ন কারণ এটি প্রতিটি স্টোরিতে একাধিক ক্যাটাগরি বরাদ্দ করছে। সাধারণ সমস্যা হল শুধু একটি ক্যাটাগরি বা কোড বরাদ্দ করা এবং কম নেইবর সেরা ফলাফলের জন্য পর্যাপ্ত হত।
কোডিং-এ MBR-এর কার্যকারিতা গণনা করার জন্য, নিউজ সার্ভিসে এডিটরদের একটি বোর্ড ছিল কিছু কোড রিভিউ করার জন্য, যেগুলো এডিটর বা MBR দ্বারা বরাদ্দ করা হয়েছিল, ২০০ স্টোরিতে। কিছু কোড যা প্যানেলের অধিকাংশ দ্বারা সম্মত ছিল সেগুলোকেও "সঠিক" বলা হত।
"সঠিক" কোডগুলোর তুলনা মানব এডিটরদের 의해 প্রাথমিকভাবে বরাদ্দ করা কোডগুলোর সাথে আকর্ষণীয় ছিল। ৮৮% কোড যেগুলো প্রাথমিকভাবে স্টোরিগুলোর জন্য বরাদ্দ করা হয়েছিল (মানবরা দ্বারা) সেগুলো সঠিক ছিল কিন্তু মানব এডিটররা ভুল করেছিলেন।
