องค์ประกอบของ MBR (Memory Based Reasoning)
1. Choosing the Training Set (การเลือก Training Set)
Training set ประกอบด้วย 49,652 news stories จาก news retrieval service สำหรับวัตถุประสงค์นี้ มาจากประมาณ 3 เดือนของข่าว และเกือบ 100 แหล่งที่มาต่างๆ แต่ละ story มีค่าเฉลี่ย 2,700 คำ และมี 8 codes ที่กำหนดให้ Training set ไม่ได้สร้างขึ้นอย่างเฉพาะเจาะจง ดังนั้น frequency ของ codes ใน training set แตกต่างกันมาก copy overall frequency ของ codes ใน news stories โดยทั่วไป
2. Choosing the Distance Function (การเลือก Distance Function)
ขั้นตอนต่อไปคือเลือก distance function ในกรณีนี้ มี distance function อยู่แล้ว ขึ้นอยู่กับ concept ที่เรียกว่า relevance feedback คำนวณ similarity ของสอง files จากคำที่มีอยู่ Relevance feedback (defined ใน sidebar) สร้างขึ้นเพื่อ return files ที่คล้ายกับ given document เพื่อ refine searches ไฟล์ที่คล้ายกันคือ neighbors ที่ใช้สำหรับ MBR
3. Choosing the Combination Function (การเลือก Combination Function)
การตัดสินใจต่อไปคือ combination function การกำหนด classification codes ให้ news stories แตกต่างจาก classification problems ส่วนใหญ่ ปัญหาส่วนใหญ่หา single best answer แต่ news stories อาจมี multiple codes แม้จาก category เดียวกัน ความยืดหยุ่นของ MBR สำหรับปัญหานี้ highlight flexibility
Combination function ใช้ weighted summation approach เพราะ maximum distance คือ 1 weight = 1 - distance ดังนั้น weights ใหญ่สำหรับ neighbors ระยะใกล้ และเล็กสำหรับ neighbors ระยะไกล
4. Choosing the Number of Neighbors (การเลือกจำนวน Neighbors)
การทดสอบเปลี่ยนจำนวน nearest neighbors ระหว่าง 1 ถึง 11 รวม ผลลัพธ์ดีที่สุดจากการใช้ neighbors มากขึ้น แต case study นี้แตกต่างจากหลาย MBR applications เพราะกำหนด multiple categories ต่อ story ปัญหาทั่วไปคือกำหนดแค่ single category/code fewer neighbors ก็พอสำหรับ best results
วัด effectiveness ของ MBR บน coding news service มีคณะบรรณาธิการ review codes ที่กำหนด ไม่ว่าจะโดย editors หรือ MBR ให้ 200 stories Codes ที่ majority ของ panel ตกลงกัน ถือว่า "correct"
การเปรียบเทียบ "correct" codes กับ codes ที่ human editors กำหนดเดิมน่าสนใจ 88% ของ codes ที่กำหนดให้ stories เดิม (โดย humans) ถูกต้อง แต่ human editors ทำผิดได้
