CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیشنهادرویکردی ترکیبی برای دسته بندی اسنادمتنی بااستفاده ازKنزدیکترین همسایه پیشنهادی روی شینگل های مختلف

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۳۲۸ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: BPJ01_189
زبان مقاله: فارسی
حجم فایل: ۱.۱۱ مگابات (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیشنهادرویکردی ترکیبی برای دسته بندی اسنادمتنی بااستفاده ازKنزدیکترین همسایه پیشنهادی روی شینگل های مختلف

فاطمه شیخی - کارشناسی ارشدنرم افزارکامپیوتر
لاله الله دادی - دانشجوی کارشناسی ارشد
مائده عابدینی بقاء - دانشجوی کارشناسی ارشد

چکیده مقاله:

دراین مقاله به دسته بندی اسنادمتنی پرداخته شدها ست روش پیشنهادی به کاربردن درهم سازکمینه به همراه دسته بندK نزدیکترین همسایه روی شینگلهای مختلفی ازکلمات است تابع درهم سازکمینه معمولا برای سرعت بخشیدن درجستجوی جداول فشرده سازی داده ها و تشخیص رکوردهای تکراری درحجم زیادداده استفاده میشود امادراین مقاله برای خلاصه کردن اسناد متنی به کارگرفته شده است ازسوی دیگر موثرترین راه برای انسان ددن اسناد بصورت مجموعه است وازاین روش به منظور شناسایی اسناد باشباهت های لغوی استفاده میشود تا ازاسناد مجموعه ای ازرشته های کوتاه که درداخل آن ظاهر شده اند ساخته شود بنابراین ازاین طریق میتوان اسنادی را یافت که اشتراک هایی هرچند کوتاه کوتاهترازجمله یاحتی عبارت بایکدیگر دارند و درنتیجه تعداد زیادی عناصرمشترک درمجموعه شان خواهند داشت حتی اگر این جملات یا عبارات با ترتیب های مختلف درسند ظاهر شوند برای شناسایی این تشابهات ازرروشی ساده و رایج به نام شینگل استفاده میشود استفاده ازدرهم ساز کمینه به همراه یک دسته بند بصورت طبیعی با افت دقت همراه است اما درعین حال باعث بالا رفتن سرعت عملیات دسته بندی میشود دراین مقاله برای حل مشکل افت دقت حاصل ازدرهم ساز کمینه یک دسته بندkنزدیکترین همسایه پیشنهاد شده که درآن به جای درنظر گرفتن شباهت کسینوسی بین اسناد ازشباهت جاکارد استفاده شده است نتایج پیاده سازی نشان میدهد که دسته بندپیشنهادی kنزدکترین همسایه روی شینگلهای مختلف کلمات بازیادشدن آنها ازدقتش کاسته میشود

کلیدواژه‌ها:

دسته بندی اسنادمتنی، درهم سازکمینه، Kنزدیکترین همسایه و شینگل و تشابه جاکارد

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-BPJ01-BPJ01_189.html
کد COI مقاله: BPJ01_189

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
شیخی, فاطمه؛ لاله الله دادی و مائده عابدینی بقاء، ۱۳۹۲، پیشنهادرویکردی ترکیبی برای دسته بندی اسنادمتنی بااستفاده ازKنزدیکترین همسایه پیشنهادی روی شینگل های مختلف، اولین همایش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات، رودسر، دانشگاه آزاد اسلامی واحد رودسر و املش، https://www.civilica.com/Paper-BPJ01-BPJ01_189.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (شیخی, فاطمه؛ لاله الله دادی و مائده عابدینی بقاء، ۱۳۹۲)
برای بار دوم به بعد: (شیخی؛ الله دادی و عابدینی بقاء، ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • CHIU, CH., W ANG, H., CHEN, CH., "Fast Min-Hashing Indexing ...
  • Rajaraman, A., Ullman, J. D., Mining of Massive Dataset, June, ...
  • Sadowski C., Levin G., _ SimHash: Hash-based Similarity Detection, " ...
  • Zhou, Sh., Zhang, Zh., Zhou, _ "Sequental Classifiers Combination for ...
  • Yu, C., Ooi, B. C., Tan, K. L., "Indexing the ...
  • Berry, M. W., Castellaos, M., _ Survey of Text Mining: ...
  • Brank J., Mladenic D., Grobelnik M., Milic-Frayling N., "Featve Selection ...
  • McCallum Andrew., Nigam Kamal., _ A Comparison of Event Models ...
  • مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.