CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه یک مدل خوشه بنذی سلسله مراتبی برای کاهش خوشه های ایجاد شده در کتابخانه های دیجیتال

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۴۸۶ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: CESD01_044
زبان مقاله: فارسی
حجم فایل: ۱.۲۶ 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 ارائه یک مدل خوشه بنذی سلسله مراتبی برای کاهش خوشه های ایجاد شده در کتابخانه های دیجیتال

  سحر رجبی - دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد سنندج
  هیرش سلطان پناه - استادیار عضو هیات علمی دانشگاه آزاد اسلامی واحد سنندج
هیوا فاروقی - استادیار عضو هیات علمی دانشگاه سنندج

چکیده مقاله:

منابع دیجیتال بانک های اطلاعاتی هستند که شامل مجموعه قدرتمندی از اشیا دیجیتال هستند. با گروه بندی انتشارات توسط ابر داده ها همانند نویسنده، عنوان و محل انتشار کاربران می توانند از محتوای کتاب خانه های دیجیتال برای تحلیل مجزا استفاه کنند. یکی از مشکلاتی که کتابخانه های دیجیتال با آن رو به رو هستند وجود ابهامات در نتایج به دست آ»ده می باشد که در میان انواع ابهامات ابهام نام نویسنده به علت سختی ذاتی توجه بسیاری را به خود جذب کرده است. در میان روش های ارائه شده روش هایی که از تکنیک خوشه بندی سلسله مراتبی استفاده می کنند. برای این مسئله مفید و مناسب بوده اند. اما این روش های دارای معایبی می باشد که به تبع در روش های دیگر برای حل نام های مبهم نیز وجود دارد. یکی از آنها این است که در این روش ها درصد تکه تکه بودن خوشه های نهایی بالا می باشد زیرا با تعداد گام کمی، عملیات خوشبه بندی را انجام می دهد. یعنی رکوردهای نهایی از یک نویسنده در چندین خوشه قرار می گیرد و باز هم مشکل عدم تشخیص نویسنده ها در آن وجود دارد در این مقاله ما یک مدل جدید برای ابهام زئایی نام نویسنده ها ارائه کرده ایم که درصد تکه تکه بودن خوشه های نهایی را کاهش می دهد. مدل ما یک از روش خوشه بندی سلسله مراتبی می باشد که با استفاده از اطلاعات وب افزایشگ ام های حل مسئله، خوشه های خالص از نویسندگان را تولید می کند.

کلیدواژه‌ها:

خوشه بندی، ابهام زدایی تام، منابع دیجیتال

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-CESD01-CESD01_044.html
کد COI مقاله: CESD01_044

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:
رجبی, سحر؛ هیرش سلطان پناه و هیوا فاروقی، ۱۳۹۲، ارائه یک مدل خوشه بنذی سلسله مراتبی برای کاهش خوشه های ایجاد شده در کتابخانه های دیجیتال، همایش ملی مهندسی کامپیوتر و توسعه پایدار با محوریت شبکه های کامپیوتری، مدل سازی و امنیت سیستمها، مشهد، موسسه آموزش عالی خاوران، https://www.civilica.com/Paper-CESD01-CESD01_044.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: (رجبی, سحر؛ هیرش سلطان پناه و هیوا فاروقی، ۱۳۹۲)
برای بار دوم به بعد: (رجبی؛ سلطان پناه و فاروقی، 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 :

  • Breiman. L, Bagging predictors, Machine Learning, Vol. 24, No. 2, ...
  • Schapire. R.E, The strength of weak learnability, Machine Learning, Vol. ...
  • Cunningham. P and Carney. J, Diversity versus quality in classification ...
  • Krogh. A and Vedelsby. J, Neural network ensembles, cross validation ...
  • UCI Machine Learning Database. _ ://www. archive. ics .uci.edu/ml/> ...
  • Kuncheva. L.I and Whitaker C.J, Measures of diversity in classifier ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۳۶۲۲
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • ک‍ت‍‍اب‍د‌ار‌ی‌ و ‌اطلا‌ع‌رس‍‍ان‍‍ی‌ > کتابخانه
  • 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.