Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
類似用例による文間接続関係の推定
Search
自然言語処理研究室
March 31, 2007
Research
0
54
類似用例による文間接続関係の推定
齋藤 真実, 山本 和英. 類似用例による文間接続関係の推定. 言語処理学会第13回年次大会, pp.328-331 (2007.3)
自然言語処理研究室
March 31, 2007
Tweet
Share
More Decks by 自然言語処理研究室
See All by 自然言語処理研究室
データサイエンス14_システム.pdf
jnlp
0
400
データサイエンス13_解析.pdf
jnlp
0
510
データサイエンス12_分類.pdf
jnlp
0
360
データサイエンス11_前処理.pdf
jnlp
0
480
Recurrent neural network based language model
jnlp
0
140
自然言語処理研究室 研究概要(2012年)
jnlp
0
150
自然言語処理研究室 研究概要(2013年)
jnlp
0
110
自然言語処理研究室 研究概要(2014年)
jnlp
0
130
自然言語処理研究室 研究概要(2015年)
jnlp
0
210
Other Decks in Research
See All in Research
HU Berlin: Industrial-Strength Natural Language Processing with spaCy and Prodigy
inesmontani
PRO
0
110
日本語新聞記事を用いた大規模言語モデルの暗記定量化 / LLMC2025
upura
0
390
An Open and Reproducible Deep Research Agent for Long-Form Question Answering
ikuyamada
0
150
Aurora Serverless からAurora Serverless v2への課題と知見を論文から読み解く/Understanding the challenges and insights of moving from Aurora Serverless to Aurora Serverless v2 from a paper
bootjp
5
940
病院向け生成AIプロダクト開発の実践と課題
hagino3000
0
480
スキマバイトサービスにおける現場起点でのデザインアプローチ
yoshioshingyouji
0
270
ForestCast: Forecasting Deforestation Risk at Scale with Deep Learning
satai
2
130
SkySense V2: A Unified Foundation Model for Multi-modal Remote Sensing
satai
3
240
世界の人気アプリ100個を分析して見えたペイウォール設計の心得
akihiro_kokubo
PRO
65
35k
Tiaccoon: Unified Access Control with Multiple Transports in Container Networks
hiroyaonoe
0
230
超高速データサイエンス
matsui_528
1
330
ロボット学習における大規模検索技術の展開と応用
denkiwakame
1
180
Featured
See All Featured
So, you think you're a good person
axbom
PRO
0
1.8k
Groundhog Day: Seeking Process in Gaming for Health
codingconduct
0
67
Breaking role norms: Why Content Design is so much more than writing copy - Taylor Woolridge
uxyall
0
120
Self-Hosted WebAssembly Runtime for Runtime-Neutral Checkpoint/Restore in Edge–Cloud Continuum
chikuwait
0
240
How to Align SEO within the Product Triangle To Get Buy-In & Support - #RIMC
aleyda
1
1.3k
No one is an island. Learnings from fostering a developers community.
thoeni
21
3.6k
Deep Space Network (abreviated)
tonyrice
0
22
How to Ace a Technical Interview
jacobian
281
24k
Building AI with AI
inesmontani
PRO
1
580
Unsuck your backbone
ammeep
671
58k
Writing Fast Ruby
sferik
630
62k
Improving Core Web Vitals using Speculation Rules API
sergeychernyshev
21
1.3k
Transcript
1 ྨࣅ༻ྫʹΑΔจؒଓؔͷਪఆ ˓ᜊ౻ ਅ࣮ ࢁຊ ӳ Ԭٕज़Պֶେֶ
2 ݚڀͷഎܠ(1/2) { খֶ2ੜͷࠃޠΛղ͘ [ᜊ౻Βʢ05ʣ] z ݴޠॲཧͷͷݟ͠ { จؒଓؔͷਪఆ z
υΩϡϝϯτཁɿ2จˠ1จͷཁ z ࣭ԠγεςϜɿݪҼΛਘͶΔ࣭ Ӎ͕߱ͬͨɻ ࢼ߹தࢭʹͳͬͨɻ ̒छྨͷଓؔɿ ྦྷՃɺٯɺҼՌɺฒྻɺసɺྫࣔ
3 ݚڀͷഎܠ(2/2) { ؔ࿈ݚڀ z ୯ޠใʹΑΔػցֶशख๏ [Marcu(02)] z ࢺɺ੍࣌ɺจͷҐஔใΛ༻͍ͨখنσʔλʹΑΔػ ցֶशख๏
[Sporleder(05)] { େنςΩετσʔλΛ༻͍ͨ౷ܭతख๏ z ߏจใΛՃ [ᜊ౻Βʢ06ʣ] z MarcuΒͷઌߦݚڀʹൺɺ12ϙΠϯτͷਖ਼ղ্ z ςΩετͷछྨʹґଘ දతใͷগͳ͍ɺ͍จʹରͯ͠౷ܭతख๏༗ޮͰͳ͍
4 จؒଓؔͷਪఆख๏ { େنςΩετσʔλΛ༻͍ͨ౷ܭతख๏ z ୯ޠରߏจύλϯΛ༻͍ͯʮ̖݅ͷͱ͖ʹଓؔ ̗ͱͳΔʯͱ͍͏̖݅ΛςΩετத͔Β౷ܭతʹ୳͢ɻ z 6छྨͷଓؔͷ͏ͪͲΕ͕Β͍͔͠ {
ྨࣅ༻ྫʹΑΔਪఆख๏ z ೖྗͷ2จʹ࠷ྨࣅͨ͠2จΛςΩετத͔Β୳͠ɺͦ ͷͱ͖ͷଓؔΛೖྗͷଓؔͱ͢Δɻ
5 ྨࣅ༻ྫʹΑΔจؒଓؔͷਪఆ ΫϥελϦϯάπʔϧl̜̩̖̚z ୯ޠͷΫϥελ ೖྗจ ύλϯੜ ީิจ ΫϥελϦϯά༻ ςΩετσʔλ ީิจநग़
ྨࣅจ ଓؔग़ྗ ςΩετσʔλ ʢԼݶ100ʣ ީิจʹର͠ɺ୯ޠ ʹΑΔྨࣅܭࢉ
6 ީิจͷநग़ { 120ສηοτʹରͯ͠ྨࣅͷܭࢉίετେ { ೖྗจ͔ΒߏจύλϯΛੜ͠ɺύλϯʹϚον͢Δ ͷ͚ͩΛରͱ͢Δ ্ւͷੜ׆৺Α͍ͷͱͳΔͣͩͬͨɻ ʢ͔͠͠ʣͷࢮ൴ঁʹܭΓΕͳ͍ଧܸΛ༩͑ͨɻ LOCATIONͷˎˎͷͱˎͣͩͬͨɻˎʹˎͳ͍ˎΛˎͨɻ
LOCATIONͷˎˎͷͱˎͣͩͬͨɻˎͳ͍ˎΛˎͨɻ LOCATIONͷˎˎͷͱˎͩͬͨɻˎͳ͍ˎΛˎͨɻ ɾ ɾ ɾ ˎˎͷͱˎͩͬͨɻˎͳ͍ˎΛˎͨɻ 120ສηοτ ඦηοτ ʢԼݶ100ʣ
7 ୯ޠͷΫϥελϦϯά(1/3) ຊΛಡΜͩɻ͔͠͠ɺͭ·Βͳ͔ͬͨɻ өըΛ؍ͨɻ͔͠͠ɺ్தͰ͘ͳͬͨɻ lຊz lөըz lಡΉz l؍Δz • ײతʹҰจͱೋจͷؔಉ͡ɻ
• ྨٛޠࣙॻͷ͔ࣝΒಘΒΕͳ͍ɻ ςΩετσʔλͷத͔Βೖྗจʹ͍ۙͷΛ୳͢ɻ ୯ޠͷҰக͚ͩͰεύʔε • จͷத৺ͱͳΔؒͷଓͷΈΛஅɻʢम০෦ͷ ୯ޠͷྨࣅੑΰϛͱͳΔ߹͕ଟ͍ʣ நग़Օॴͷݶఆ
8 ୯ޠͷΫϥελϦϯά(2/3) ड़ޠɿจจઅதͷʮಈࢺʯʢʮ͢Δʯʮ͋Δʯআ͘ʣɺʮαม໊ࢺʯɺ ʮܗ༰ࢺʯͰจʹ࠷͍ۙͷ ֨ཁૉɿड़ޠʹΔ֨ཁૉʢݻ༗දݱআ͘ʣ ଠ ͓͠Ζ͍ ຊΛ ಡΜͩɻ ࣍
ֶͷ ษڧΛ ͨ͠ɻ ड़ޠɿʮಡΉʯ ֨ཁૉɿʮຊΛʯ ड़ޠɿʮษڧʯ ֨ཁૉɿͳ͠ ςΩετσʔλ 1จͷड़ޠ 2จͷड़ޠ 2จͷ֨ཁૉ 1จͷ֨ཁૉ Ϋϥελੜ
9 ୯ޠͷΫϥελϦϯά(3/3) { ඞཁ݅ z ҰͭͷΫϥελʹೋछྨҎ্ͷ୯ޠ͕ଘࡏ͢Δ 935 ೋจͷ֨ཁૉ(N2) 1252 Ұจͷ֨ཁૉ(N1)
830 ೋจͷड़ޠ(V2) 711 Ұจͷड़ޠ(V1) Ϋϥελ Ϋϥελͷछྨ
10 ྨࣅͷܭࢉ(2/3) Sw(i,c):୯ޠwʹΑͬͯ༩͞ΕΔ୯ޠείΞ W={V1ʢҰจͷड़ޠʣ,V2ʢೋจͷड़ޠʣ, N1ʢҰจͷ֨ཁૉʣ, N2ʢೋจͷ֨ཁૉʣ} ೖྗจ i ɿຊΛಡΜͩɻͭ·Βͳ͔ͬͨɻ ީิจc1
ɿՈͰࡶࢽΛಡΜͩɻ్தͰ৸ͯ͠·ͬͨɻʢٯʣ lಡΉz l؍Δz ީิจc2 ɿөըΛ؍ͨɻ్தͰ͘ͳͬͨɻʢٯʣ SV1(i,c1)=1 lಡΉz l؍Δz lಡΉz l৯Δz lฉ͘z SV1(i,c2)=1/({i,c}ͷΫϥελ) =1/2
11 ྨࣅͷܭࢉ(3/3) Sim(i,c):ೖྗจi ͱީิจc ͷྨࣅ Sim(i,c)= SPT (i,c)ʷ{SN1 (i,c)ʷSV1 (i,c)}
ʷ{SV1 (i,c)ʷSV2 (i,c)} ʷ{SN2 (i,c)ʷSV2 (i,c)} ୯ޠؒͷͭͳ͕ΓΛߟྀ ྨࣅͷ࠷ߴ͍ީิจͷ࣋ͭଓؔΛग़ྗ ೖྗจi ͔Βੜ͞Εͨ ߏจύλϯʹΑΔείΞ
12 ධՁ݁Ռ 0.321ʢҼՌʣ 0.430ʢྦྷՃʣ ϕʔεϥΠϯ 0.628 0.754 ਓखʹΑΔධՁ 0.476 0.508
ຊख๏ 0.295 (0.640) ౷ܭతख๏ খֶ2ੜ (78ηοτ) WEBจॻ (281ηοτ) ʻਓखʹΑΔධՁʼ ຊख๏ʹΑΔγεςϜͷग़ྗ݁ՌΛ3ਓͷඃݧऀ͕ධՁɻ ͏ͪ2ਓҎ্͕ਖ਼ղͱஅͨ͠ͷׂ߹ɻ
13 ୯ޠநग़݁Ռ { WEBจॻɿ281ηοτ { ୯ޠͷछྨ4ɿV1ɺV2ɺN1ɺN2͕શͯநग़ { ୯ޠͷछྨ0ɿμจʢABͩɻʣ 27 4
90 3 88 2 53 1 23 0 நग़͞Εͨ୯ޠͷछྨ
14 ߟ { খֶ2ੜͷೖྗจͰਖ਼ղ্͕ͨ͠ɻ z ΫϥελϦϯάʹΑΔ൚ԽͷޮՌ z நग़͢Δ୯ޠΛݶఆ͢Δ͜ͱͰෆཁ෦ʹΑΔӨڹΛܰݮ { จதͷॏཁޠͷબผ͕ඞཁ
z ೖྗจ͕͍߹ʹ༗ޮʢબผॲཧෆཁʣ z ज़ޠ֨ཁૉҎ֎Ͱम০෦ʹॏཁޠ͕ଘࡏ͢Δ { ΰϛͷআͱεύʔεωε͕՝ z ೖྗจ͔Β1จͷड़ޠɺ֨ཁૉɺ2จͷड़ޠɺ֨ཁૉ͕ શͯநग़͞ΕΔͷΘ͔ͣҰׂఔ z μจʢʮABͩɻʯʣͷରԠ ͍จͷରԠ
15 ݁ WEBจॻͰͷਖ਼ղԼ { ྨࣅ༻ྫʹΑΔਪఆख๏ͷఏҊ z WEBจॻͰ50.8%ɺখֶੜͰ47.6% z ୯ޠͷ൚ԽʹΑͬͯΑΓ൚༻ͳγεςϜʹ z
நग़͢Δ୯ޠΛݶఆ͢Δ͜ͱͰߏจతಛͷͳ͍γ ϯϓϧͳจʹରԠ (খֶੜͰ18ϙΠϯτ্) { ՝ z म০෦Λશͯআ͍ͯ͠ΔͨΊඞཁͳใࣺͯͯ ͍Δ z ॏཁޠͷબผ͕՝
16 ͓ΘΓ ͝ਗ਼ௌ͋Γ͕ͱ͏͍͟͝·ͨ͠ɻ
17 ౷ܭతख๏ʹΑΔจؒଓؔͷਪఆ ೖྗจʢ2จʣ ୯ޠཁૉʹΑΔఆ ߏจύλϯʹΑΔఆ ೖྗจ͔Β୯ޠϖΞΛநग़ lཧz ʢ1จʣɿlݱ࣮zʢ2จʣͱͳΔೋจΛݕࡧ ςΩετσʔλ ೖྗจ͔ΒߏจύλϯΛ࡞
ύλϯʹϚον͢ΔςΩετσʔλதͷೋจͷଓ͔ؔΒਪఆ WEB:130ສηοτ ৽ฉɿ15ສηοτ ʮʙʙͩͬͨɻʙͱ͍͏Θ͚ Ͱͳ͍ɻʯʢٯʣ ʮʙʹʙͰ͋ΔɻʙͳͲͳͲɻʯʢྫࣔʣ
18 ධՁ݁Ռ 0.321ʢҼՌʣ 0.430ʢྦྷՃʣ ϕʔεϥΠϯ 0.295 0.648 0.533 ਖ਼ղ +ߏจใ
୯ޠϖΞͷΈ খֶ2ੜ ࠃޠ ʢ78ηοτʣ ̬̗̚จॻʢ300ηοτʣ ͔֬ʹ͜Ε͍͢͝จֶͳΜͩͱࢥ͏ɻ Ͱɺ ͏ಡΈฦ͢ؾͳ͍ɻ ʻೖྗจʼ Ұจ ೋจ ʻਖ਼ղʼ ଓؔɿʮٯʯ ϕʔεϥΠϯɿ࠷ग़ݱසͷߴ͍ଓؔΛҰҙʹग़ྗ
19 Ұൠͷࠃޠͱখֶ2ੜͷ { খֶੜͷจ͘ɺҰൠతʹग़ݱසͷߴ ͍ޠ͕΄ͱΜͲ { Ұൠతͳจ͘ɺग़ݱස͕தʙఔ ͷޠසग़ γϯϓϧͳจ ਓ͕ؒؔΛਪఆ͍͢͠
ߏจతͳ͠͞ ਓ͕͍ؒ͠ͱײ͡Δͷ ػցతͳॲཧͰ͋Δఔ͏·͍͘͘
20 ଓؔͷྨ 1.4% ྫ͑ɺͨͱ͑ʢ2ݸͷΈʣ ྫࣔ 5.6% ͯ͞ɺͱ͜ΖͰɺͰ స 5.9% Ұํɺ͘͠ɺͭ·Γ
ฒྻ 12.6% ͔ͩΒɺ͢ΔͱɺΏ͑ʹ ҼՌ 32.0% ͔͠͠ɺͰɺͱ͜Ζ͕ɺ͕ͩ ٯ 42.5% ·ͨɺͦͯ͠ɺ͔͠ ྦྷՃ ग़ݱස ଓࢺͷྫ ଓؔ
21 ଓ෦Ґͷಉఆ ʢͦͷͨΊʣެԂͰ༡ΜͰ͍ͨଠՈʹؼͬͯษڧΛͨ͠ɻ ଠ॓Λࢥ͍ग़ͨ͠ɻ ଠ॓Λࢥ͍ग़ͨ͠ɻ ଠՈʹؼͬͨɻ ଠ॓Λࢥ͍ग़ͨ͠ɻ ଠ॓Λࢥ͍ग़ͨ͠ɻ ྫʣ ଠษڧΛͨ͠ɻ
ଠެԂͰ༡ΜͰ͍ͨɻ ʷ ʷ ˓
22 ୯ޠͷΫϥελϦϯά { ΫϥελϦϯάπʔϧlGETAz z ֊తϕΠζΫϥελϦϯάʢHBCʣ { จॻྨ୯ޠγιʔϥεͷࣗಈߏஙʹ༻͍ΒΕΔ { ྨͷରͱͳΔΞΠςϜʢड़ޠɺ֨ཁૉʣΛϘτϜΞοϓʹೋͭ
ͣͭ·ͱΊͳ͕Β֊Λੜ
23 ΫϥελϦϯάʹ༻͍ͨૉੑͱॏΈ1 { Ұจͷड़ޠͷΫϥελϦϯά ߏจύλϯʢʮˎΛˎͨɻˎͰˎͨɻʯʣ 1 ଓࢺʢʮ͔͠͠ʯʣ 10 ೋจͷड़ޠʹΔશͯͷܗଶૉ ʢň్தʯɺʮͰʯʣ
2 ೋจͷड़ޠʢʮ͍ʯʣ 5 Ұจͷड़ޠʢʮ؍Δʯʣ 2 ૉੑ ॏΈ ྫʣөըΛ؍ͨɻ͔͠͠ɺ్தͰ͘ͳͬͨɻ
24 ΫϥελϦϯάʹ༻͍ͨૉੑͱॏΈ2 { Ұจͷड़ޠʹΔ֨ཁૉͷΫϥελϦϯά ଓࢺʢʮ͔͠͠ʯʣ 10 ߏจύλϯʢʮˎΛˎͨɻˎͰˎͨɻʯʣ 1 ೋจͷड़ޠʹΔશͯͷܗଶૉ ʢň్தʯɺʮͰʯʣ
2 ೋจͷड़ޠʹΔ֨ཁૉʢʮ్தͰʯʣ 5 ೋจͷड़ޠʢʮ͍ʯʣ 5 Ұจͷड़ޠʹΔ֨ཁૉʢʮөըΛʯʣ 2 ૉੑ ॏΈ ྫʣөըΛ؍ͨɻ͔͠͠ɺ్தͰ͘ͳͬͨɻ
25 ୯ޠͷΫϥελϦϯά(2/3) { Τϯτϩϐʔͷܭࢉ ( ) i i i P
P D H 2 log ∑ − = ଓؔ Pi ɿ σʔλD தͰͷଓؔi ͷׂ߹ { ׂޙͷΤϯτϩϐʔʢׂ2ͷ߹ʣ |Di | ɿ σʔλDi ͷσʔλͷݸ H(D 0 ) H(D1 ) H(D2 ) D0ɿ ׂલͷσʔλ ( ) ( ) ( ) 2 0 2 1 0 1 2 1 D H D D D H D D D D H + = +
26 ΤϯτϩϐʔͱΫϥελͷؔ
Ϋϥελ Τϯτϩϐʔ 7 7 / /
27 ྨࣅͷܭࢉ(1/3) SPT (i,c):ೖྗจi ͔Βੜ͞ΕͨߏจύλϯʹΑΔ είΞʢύλϯείΞʣ ީิจc1 ೖྗจi ͔Βੜ͞Εͨߏจύλϯ“A” ςΩετσʔλ
ީิจc2 ީิจcn ύλϯAʹΑͬͯಘΒΕͨީิจ ɾ ɾ ɾ SPT (i,c1 )= SPT (i,c2 )= ɾɾɾ SPT (i,cn )= 1/n
28 ྨࣅͷܭࢉ(2/3) ೖྗจ ީิจA Ұจͷड़ޠ Ұจͷड़ޠ ಉҰ ಉ͡Ϋϥελʹଘࡏ ީิจAʹର͠ɺείΞΛϓϥε ΫϥελʹԠͨ͡είΞΛ
ϓϥε 3.640 ީิจA 0.356 ީิจB 0.057 ީิจC ɾ ɾ ɾ ʮʙɻ͔͠͠ɺʙɻʯ γεςϜͷग़ྗɿʮٯʯ
29 ྨࣅͷܭࢉ(3/3) Sim(i,c):ೖྗจi ͱީิจc ͷྨࣅ SPT (i,c):ೖྗจi ͔Βੜ͞ΕͨߏจύλϯʹΑΔείΞ Sw(i,c):ೖྗจi ͱީิจc
ͷൺֱͰɺ୯ޠwʹΑͬͯ༩ ͞ΕΔ୯ޠείΞ W={V1ʢҰจͷड़ޠʣ,V2ʢೋจͷड़ޠʣ, N1ʢҰจ ͷ֨ཁૉʣ, N2ʢೋจͷ֨ཁૉʣ} Sim(i,c)= SPT (i,c)ʷ{SN1 (i,c)ʷSV1 (i,c)} ʷ{SV1 (i,c)ʷSV2 (i,c)} ʷ{SN2 (i,c)ʷSV2 (i,c)}
30 ධՁ࣮ݧ͓Αͼߟ(1/4) { WEBจॻ z ֤ଓؔʹରͯ͠50ηοτͣͭɺܭ300ηοτநग़ z ܗଶૉղੳϛεͷΤϥʔจॻΛআ͍ͨ281ηοτ { খֶ2ੜ
z খֶ2ੜͷࠃޠͷूΑΓ78ηοτ
31 ධՁ࣮ݧ͓Αͼߟ(2/4) H(D 1 )=2.0 H(D 2 )=0.6 H(D 3
)=1.1 H(D 4 )=0.9 H(D 0 )=1.9 D 1 D 2 D 3 D 4 D0 Ex. ᮢɿ1.0 ੜͨ͠ΫϥελͰΤϯτϩϐʔ͕ᮢҎԼͷͷͷΈ Λ༻
32 ධՁ࣮ݧ͓Αͼߟ(3/4) 0.41 0.61 188 32 73 13 12 Th0.0
0.41 0.60 193 47 75 30 18 Th0.5 0.40 0.46 246 117 116 121 119 ଓࢺ 0.42 0.49 240 935 1252 830 711 Thແ 0.41 0.53 217 241 370 181 116 Th1.0 ਖ਼ղʢશମʣ ਖ਼ղ ग़ྗ ΫϥελʢN2ʣ ΫϥελʢN1ʣ ΫϥελʢV2ʣ ΫϥελʢV1ʣ WEBจॻɿ281ηοτ ଓࢺɿଓࢺ͕ಉ͡ͷͰΫϥελੜʢΤϯτϩϐʔ0ʣ
33 ධՁ࣮ݧ͓Αͼߟ(4/4) { WEBจॻɿ281ηοτ { ୯ޠͷछྨ4ɿV1ɺV2ɺN1ɺN2͕શͯநग़ { ୯ޠͷछྨ0ɿ 27 4
90 3 88 2 53 1 23 0 நग़͞Εͨ୯ޠͷछྨ ྫʣ͍·ͩʹࢥߟࡨޡதͳΜͰ͢ɻ ʢ͔ͩΒʣࠓճͦΕͧΕͷ͓ళͷ۩ΛϝϞ͢Δͷʹେ͠Ͱͨ͠ɻ
34 ධՁํ๏ 3.640 ީิจA ྦྷՃ 3.640 ީิจB ҼՌ 3.640 ީิจC
ྦྷՃ 3.640 ީิจD ٯ 0.356 ީิจE స 0.057 ީิจF స ɾ ɾ ɾ ਖ਼ղɿʮྦྷՃʯ ೖྗจ i ਖ਼ղϙΠϯτ ਖ਼ղ ʹྦྷܭϙΠϯτ / (M) 3 1 = i P M P M i i ∑ = = 1 γεςϜͷग़ྗ ʮྦྷՃʯɺʮҼՌʯɺʮٯʯ
35 ਓखʹΑΔධՁํ๏ 3.640 ީิจA ྦྷՃ 3.640 ީิจB ҼՌ 3.640 ީิจC
ྦྷՃ 3.640 ީิจD ٯ 0.356 ީิจE స 0.057 ީิจF స ɾ ɾ ɾ ೖྗจ i ਖ਼ղϙΠϯτ ਖ਼ղ ʹྦྷܭϙΠϯτ / (M) 3 2 = i P M P M i i ∑ = = 1 γεςϜͷग़ྗ ʮྦྷՃʯ(3)ɺʮҼՌʯ(2)ɺ ʮٯʯ(1)