စာသားဒေတာကို ပုံဖော်ပါ။

vectorizer = TfidfVectorizer() train_vectors = vectorizer.fit_transform(train_tokens) test_vectors = vectorizer.transform(test_tokens)

Naive Bayes အမျိုးအစားခွဲခြားမှုကို လေ့ကျင့်ပါ။

အမျိုးအစားခွဲ = MultinomialNB() classifier.fit(train_vectors၊ train_data['label'])

စမ်းသပ်မှုဒေတာအတွက် ခန့်မှန်းချက်များကို ပြုလုပ်ပါ။

ခန့်မှန်းချက်များ = classifier.predict(test_vectors)

မော်ဒယ်ကိုအကဲဖြတ်ပါ။

တိကျမှု = accuracy_score(test_data['label']၊ ခန့်မှန်းချက်များ) print(f'တိကျမှု- {accuracy:.2f}')

ဤကုဒ်နမူနာသည် စာသားဒေတာကို အမျိုးအစားခွဲခြားရန် သဘာဝဘာသာစကားလုပ်ဆောင်ခြင်း (NLP) နှင့် စက်သင်ယူမှုကို အသုံးပြုသည့် ရိုးရှင်းသော AI-စွမ်းအားသုံး chatbot ကို သရုပ်ပြသည်။

## Visualization- System Architecture Diagram

ဤသည်မှာ AI နှင့် ဆော့ဖ်ဝဲလ်ဗိသုကာ၏ ဆုံစည်းမှုကို ဖော်ပြသည့် စနစ်ဗိသုကာပုံဖြစ်သည်။
``ဇယား
{
  "type": "ဂရပ်",
  "ဒေတာ"- {
    "nodes": [
      {
        "id": "AI",
        "label": "ဥာဏ်ရည်တု",
        "အရောင်": "#ff0000"
      }၊
      {
        "id": "ဆော့ဖ်ဝဲ",
        "label": "ဆော့ဖ်ဝဲဗိသုကာ",
        "အရောင်"- "#00ff00"
      }၊
      {
        "id": "သညာ",
        "label": "သညာ",
        "အရောင်"- "#0000ff"
      }၊
      {
        "id": "သိမှု",
        "label": "သိမှု",
        "အရောင်"- "#ff00ff"
      }၊
      {
        "id": "လုပ်ဆောင်ချက်",
        "label": "လုပ်ဆောင်ချက်",
        "အရောင်"- "#00ffff"
      }၊
      {
        "id": "တုံ့ပြန်ချက်",
        "label": "တုံ့ပြန်ချက်",
        "အရောင်": "#ffff00"
      }၊
      {
        "id": "ကိုယ်ပိုင်အဖွဲ့အစည်း",
        "label": "ကိုယ်ပိုင်အဖွဲ့အစည်း",
        "အရောင်"- "#ff9900"
      }၊
      {
        "id": "ဆင့်ကဲဖြစ်စဉ်",
        "label": "ဆင့်ကဲဖြစ်စဉ်",
        "အရောင်": "#ffcc00"
      }
    ]
    "အစွန်းများ": [
      {
        "အရင်းအမြစ်": "AI",
        "ပစ်မှတ်": "ခံယူချက်"
      }၊
      {
        "အရင်းအမြစ်": "AI",
        "ပစ်မှတ်"- "အသိဉာဏ်"
      }၊
      {
        "အရင်းအမြစ်": "AI",
        "ပစ်မှတ်"- "လုပ်ဆောင်ချက်"
      }၊
      {
        "အရင်းအမြစ်": "AI",
        "ပစ်မှတ်"- "တုံ့ပြန်ချက်"
      }၊
      {
        "အရင်းအမြစ်": "AI",
        "ပစ်မှတ်"- "ကိုယ်ပိုင်အဖွဲ့အစည်း"
      }၊
      {
        "အရင်းအမြစ်": "AI",
        "ပစ်မှတ်"- "ဆင့်ကဲဖြစ်စဉ်"
      }၊
      {
        "အရင်းအမြစ်": "ဆော့ဖ်ဝဲ",
        "ပစ်မှတ်": "AI"
      }၊
      {
        "အရင်းအမြစ်": "ဆော့ဖ်ဝဲ",
        "ပစ်မှတ်": "ခံယူချက်"
      }၊
      {
        "အရင်းအမြစ်": "ဆော့ဖ်ဝဲ",
        "ပစ်မှတ်"- "အသိဉာဏ်"
      }၊
      {
        "အရင်းအမြစ်": "ဆော့ဖ်ဝဲ",
        "ပစ်မှတ်"- "လုပ်ဆောင်ချက်"
      }၊
      {
        "အရင်းအမြစ်": "ဆော့ဖ်ဝဲ",
        "ပစ်မှတ်"- "တုံ့ပြန်ချက်"
      }၊
      {
        "အရင်းအမြစ်": "ဆော့ဖ်ဝဲ",
        "ပစ်မှတ်"- "ကိုယ်ပိုင်အဖွဲ့အစည်း"
      }၊
      {
        "အရင်းအမြစ်": "ဆော့ဖ်ဝဲ",
        "ပစ်မှတ်"- "ဆင့်ကဲဖြစ်စဉ်"
      }
    ]
  }
}

ဤပုံကြမ်းသည် AI နှင့် ဆော့ဖ်ဝဲလ်ဗိသုကာလက်ရာများ၏ လမ်းဆုံကို သရုပ်ဖော်ထားပြီး AI ၏ အပြန်အလှန်တုံ့ပြန်မှု ယန္တရားခြောက်ခုနှင့် ဆော့ဖ်ဝဲလ်ဗိသုကာနှင့် ၎င်းတို့၏ ဆက်ဆံရေးကို မီးမောင်းထိုးပြထားသည်။

နိဂုံး

AI နှင့် ဆော့ဖ်ဝဲလ်ဗိသုကာတို့၏ ဆုံစည်းမှုသည် စနစ်ဒီဇိုင်းတွင် ပါရာဒိုင်းအသစ်တစ်ခု တိုးလာခဲ့ပြီး၊ စနစ်စွမ်းဆောင်ရည်နှင့် လိုက်လျောညီထွေဖြစ်အောင် မြှင့်တင်ရန် ပေါ်ထွက်နေသော ထောက်လှမ်းရေးစွမ်းရည်များကို မြှင့်တင်ထားသည်။ မော်ဂျူလာဒီဇိုင်း၊ အဖြစ်အပျက်-မောင်းနှင်သော ဗိသုကာပညာ၊ ဝန်ဆောင်မှုကို ဦးတည်သော ဗိသုကာပညာ၊ ဖြန့်ဝေသည့်စနစ်များ၊ စက်သင်ယူမှုနှင့် ဓာတ်ပြုမှုစနစ်များ အပါအဝင် ဆော့ဖ်ဝဲလ်ဗိသုကာပညာရှင်များသည် AI ၏ အလားအလာကို အပြည့်အဝသော့ဖွင့်နိုင်သော စနစ်များကို ဒီဇိုင်းရေးဆွဲနိုင်သည်။ AI နည်းပညာများ တိုးတက်ပြောင်းလဲလာသည်နှင့်အမျှ၊ ဆော့ဖ်ဝဲလ်ဗိသုကာများသည် AI အစိတ်အပိုင်းများကို ထိထိရောက်ရောက် ပေါင်းစပ်ကာ ၎င်းတို့၏ အလားအလာအပြည့်ကို သော့ဖွင့်ရန် ၎င်းတို့၏ ဒီဇိုင်းဗျူဟာများကို ပြုပြင်ပြောင်းလဲရမည်ဖြစ်သည်။

ကိုးကား

• [1] Russell, S. J., & Norvig, P. (2010)။ ဉာဏ်ရည်တု- ခေတ်မီချဉ်းကပ်နည်း။ ပရတီခန်းမ။
• [2] Sutton, R. S., & Barto, A. G. (2018)။ အားဖြည့်သင်ကြားမှု- နိဒါန်းတစ်ခု။ MIT သတင်းဌာန။
• [3] Mitchell, T. M. (1997)။ စက်သင်ယူမှု။ McGraw-Hill
• [4] Wiggins, G. (2013)။ ဂိမ်းဒီဇိုင်းအနုပညာ- မှန်ဘီလူးစာအုပ်။ စီးနင်းသူအသစ်များ။
• [5] Kaelbling, L. P., Littman, M. L., & Moore, A. W. (1996)။ အားဖြည့်သင်ကြားမှု- စစ်တမ်းတစ်ခု။ Artificial Intelligence Research ဂျာနယ်၊ 4၊ 237-285။