reine Buchbestellungen ab 5 Euro senden wir Ihnen Portofrei zuDiesen Artikel senden wir Ihnen ohne weiteren Aufpreis als PAKET

Selezione delle caratteristiche in base alla misura di somiglianza tra punti di vista e collegamenti
(Italienisch)
Raggruppamento di documenti
Neelam Singh

Print on Demand - Dieser Artikel wird für Sie gedruckt!

32,95 €

inkl. MwSt. · Portofrei
Dieses Produkt wird für Sie gedruckt, Lieferzeit 7-8 Werktage
Menge:

Produktbeschreibung

Autor/Autorin: Singh Neelam

Neelam Singh è professore associato presso il Dipartimento di Informatica e Ingegneria della Graphic Era Deemed to be University, Dehradun. Ha pubblicato più di 15 articoli di ricerca in riviste/conferenze internazionali nel campo del Machine Leaning, dei Big Data e del Cloud Computing. I suoi interessi di ricerca includono ML, Big Data e Cloud.
L'esplorazione e l'utilizzo di un'enorme quantità di documenti di testo è una delle questioni principali nell'ambito del reperimento di informazioni e del text mining. Tutti i metodi che mirano a trovare gruppi di entità utilizzano misure di similarità o dissimilarità. È necessario analizzare il comportamento delle misure di similarità sui documenti di testo prima di sviluppare o modificare una buona misura di similarità per il clustering dei documenti, per capire l'efficacia della tecnica. Una funzione di similarità incorporata in una funzione di criterio è in gran parte responsabile dell'analisi della struttura intrinseca dei dati. Se si utilizzano misure di similarità appropriate con una specifica tecnica di clustering, è possibile migliorare l'efficienza e l'accuratezza dell'attività di scoperta delle informazioni. L'uso di misure appropriate non solo migliora la provenienza e la credibilità delle informazioni recuperate, ma aiuta anche a superare la complessità del processo in termini di tempo e di costi. Questo libro si concentra sull'identificazione delle varie misure di similarità per il clustering. Viene illustrato un metodo imperativo per misurare la somiglianza tra i documenti di testo per raggruppare i documenti utilizzando il clustering gerarchico e il metodo di selezione delle caratteristiche con Matlab.

Über den Autor



Dr. Neelam Singh ist außerordentliche Professorin in der Abteilung für Informatik und Ingenieurwesen der Graphic Era Deemed to be University, Dehradun. Sie hat mehr als 15 Forschungsarbeiten in internationalen Fachzeitschriften/Konferenzen im Bereich Machine Leaning, Big Data und Cloud Computing veröffentlicht. Ihre Forschungsinteressen umfassen ML, Big Data und Cloud.


Klappentext



L'esplorazione e l'utilizzo di un'enorme quantità di documenti di testo è una delle questioni principali nell'ambito del reperimento di informazioni e del text mining. Tutti i metodi che mirano a trovare gruppi di entità utilizzano misure di similarità o dissimilarità. È necessario analizzare il comportamento delle misure di similarità sui documenti di testo prima di sviluppare o modificare una buona misura di similarità per il clustering dei documenti, per capire l'efficacia della tecnica. Una funzione di similarità incorporata in una funzione di criterio è in gran parte responsabile dell'analisi della struttura intrinseca dei dati. Se si utilizzano misure di similarità appropriate con una specifica tecnica di clustering, è possibile migliorare l'efficienza e l'accuratezza dell'attività di scoperta delle informazioni. L'uso di misure appropriate non solo migliora la provenienza e la credibilità delle informazioni recuperate, ma aiuta anche a superare la complessità del processo in termini di tempo e di costi. Questo libro si concentra sull'identificazione delle varie misure di similarità per il clustering. Viene illustrato un metodo imperativo per misurare la somiglianza tra i documenti di testo per raggruppare i documenti utilizzando il clustering gerarchico e il metodo di selezione delle caratteristiche con Matlab.