ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Clustering and Information Retrieval

دانلود کتاب خوشه بندی و بازیابی اطلاعات

Clustering and Information Retrieval

مشخصات کتاب

Clustering and Information Retrieval

ویرایش: 1 
نویسندگان: , ,   
سری: Network Theory and Applications 11 
ISBN (شابک) : 9781461379492, 9781461302278 
ناشر: Springer US 
سال نشر: 2004 
تعداد صفحات: 331 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 20 مگابایت 

قیمت کتاب (تومان) : 38,000



کلمات کلیدی مربوط به کتاب خوشه بندی و بازیابی اطلاعات: ساختارهای داده، رمز شناسی و نظریه اطلاعات، ذخیره و بازیابی اطلاعات، کاربردهای سیستم های اطلاعاتی (شامل اینترنت)، هوش مصنوعی (شامل رباتیک)



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Clustering and Information Retrieval به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب خوشه بندی و بازیابی اطلاعات نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب خوشه بندی و بازیابی اطلاعات



خوشه‌بندی یک تکنیک مهم برای کشف زیرمنطقه‌ها یا فضاهای فرعی نسبتاً متراکم توزیع داده‌های چند بعدی است. دسته بندی در بازیابی اطلاعات برای اهداف مختلفی مانند گسترش پرس و جو، گروه بندی اسناد، نمایه سازی اسناد و تجسم نتایج جستجو استفاده شده است. در این کتاب به مسائل الگوریتم‌های خوشه‌بندی، روش‌های ارزیابی، کاربردها و معماری‌های بازیابی اطلاعات می‌پردازیم. دو فصل اول در مورد الگوریتم های خوشه بندی بحث می کنند. فصل از Baeza-Yates و همکاران. یک روش خوشه بندی را برای یک فضای متریک عمومی که یک مدل رایج از داده های مربوط به بازیابی اطلاعات است، توصیف می کند. فصل توسط Guha، Rastogi، و Shim یک بررسی و همچنین بحث مفصل در مورد دو الگوریتم خوشه‌بندی ارائه می‌کند: CURE و ROCK برای داده‌های عددی و داده‌های طبقه‌بندی. روش های ارزیابی در دو فصل بعدی مورد بررسی قرار می گیرند. ارتوز و همکاران نشان دادن استفاده از معیارهای بازیابی متن، مانند TRECS، برای ارزیابی الگوریتم های خوشه بندی. او و همکاران معیارهای عینی کیفیت خوشه بندی را در فصل خود ارائه می دهند. کاربرد روش‌های خوشه‌بندی برای بازیابی اطلاعات در چهار فصل بعدی بررسی می‌شود. چو و همکاران و نوئل و همکاران انتخاب ویژگی را با استفاده از ریشه های کلمات، عبارات، و پیوندهای پیوند برای خوشه بندی و نمایه سازی اسناد کاوش کنید. ون و همکاران و سونگ و همکاران در مورد کاربردهای خوشه بندی در پرس و جوهای کاربر و پاکسازی داده ها بحث کنید. در نهایت، ما مشکل طراحی معماری برای بازیابی اطلاعات را در نظر می گیریم. کرایتون، هیوز و کلی در مورد توسعه یک معماری سیستم داده علمی برای بازیابی اطلاعات توضیح می دهند.


توضیحاتی درمورد کتاب به خارجی

Clustering is an important technique for discovering relatively dense sub-regions or sub-spaces of a multi-dimension data distribution. Clus­ tering has been used in information retrieval for many different purposes, such as query expansion, document grouping, document indexing, and visualization of search results. In this book, we address issues of cluster­ ing algorithms, evaluation methodologies, applications, and architectures for information retrieval. The first two chapters discuss clustering algorithms. The chapter from Baeza-Yates et al. describes a clustering method for a general metric space which is a common model of data relevant to information retrieval. The chapter by Guha, Rastogi, and Shim presents a survey as well as detailed discussion of two clustering algorithms: CURE and ROCK for numeric data and categorical data respectively. Evaluation methodologies are addressed in the next two chapters. Ertoz et al. demonstrate the use of text retrieval benchmarks, such as TRECS, to evaluate clustering algorithms. He et al. provide objective measures of clustering quality in their chapter. Applications of clustering methods to information retrieval is ad­ dressed in the next four chapters. Chu et al. and Noel et al. explore feature selection using word stems, phrases, and link associations for document clustering and indexing. Wen et al. and Sung et al. discuss applications of clustering to user queries and data cleansing. Finally, we consider the problem of designing architectures for infor­ mation retrieval. Crichton, Hughes, and Kelly elaborate on the devel­ opment of a scientific data system architecture for information retrieval.



فهرست مطالب

Front Matter....Pages i-viii
Clustering in Metric Spaces with Applications to Information Retrieval....Pages 1-33
Techniques for Clustering Massive Data Sets....Pages 35-82
Finding Topics in Collections of Documents: A Shared Nearest Neighbor Approach....Pages 83-103
On Quantitative Evaluation of Clustering Systems....Pages 105-133
Techniques for Textual Document Indexing and Retrieval via Knowledge Sources and Data Mining....Pages 135-159
Document Clustering, Visualization, and Retrieval via Link Mining....Pages 161-193
Query Clustering in the Web Context....Pages 195-225
Clustering Techniques for Large Database Cleansing....Pages 227-259
A Science Data System Architecture for Information Retrieval....Pages 261-298
Granular Computing for the Design of Information Retrieval Support Systems....Pages 299-329




نظرات کاربران