Overview

Klasteryzacja tekstu jest podstawową techniką w eksploracji tekstu i przetwarzaniu języka naturalnego w celu organizowania dużych ilości nieustrukturyzowanych danych w znaczące grupy. Tradycyjne algorytmy klasteryzacji często napotykają wyzwania w zakresie skalowalności, wydajności i dokladności, gdy mają do czynienia z wielowymiarowymi danymi tekstowymi. W niniejszej pracy zaproponowano ulepszone podejście wykorzystujące Novel Fast Seeds Affinity Propagation (NFAP) w celu poprawy wydajności klastrowania. Wprowadzając zoptymalizowany wybór nasion, metoda ta przyspiesza zbieżnośc, zmniejsza zlożonośc obliczeniową i poprawia jakośc tworzenia klastrów. Wyniki eksperymentalne pokazują, że proponowany model osiąga lepszą dokladnośc i wydajnośc klastrowania w porównaniu ze standardowymi metodami propagacji pokrewieństwa, dzięki czemu nadaje się do zastosowań w eksploracji tekstu na dużą skalę.

Full Product Details

9786209687235

Table of Contents

Reviews

Author Information

Tab Content 6

Countries Available