Intelligent Text Categorization and Clustering

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:  
نویسندگان: Nedjah N.,  Macedo Mourelle L.,  Kacprzyk J.,  Franёca F.M.G.,  Souza A.F. (eds.)  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 127 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 1 مگابایت 

قیمت کتاب (تومان) : 52,000

Издательство Springer, 2009, -127 pp. دسته بندی و خوشه بندی خودکار متن با افزایش حجم متن در قالب الکترونیک و دسترسی به آن اهمیت بیشتری پیدا می کند. ضروری تر و گسترده تر می شود. برنامه های شناخته شده فیلتر هرزنامه و جستجوی وب هستند، اما تعداد زیادی از کاربردهای روزمره (جستجوی هوشمند وب، داده کاوی، اجرای قانون و غیره) وجود دارد. ماشین‌ها و شبکه‌های عصبی به استنتاج بیزی و روش‌های جبری، مانند نمایه‌سازی معنایی پنهان.
این جلد طیف وسیعی از کارهای تحقیقاتی را ارائه می‌دهد که برای دسته‌بندی و خوشه‌بندی هوشمند متن توسعه یافته‌اند. در ادامه، به معرفی مختصری از فصول موجود در این کتاب می‌پردازیم.
در فصل 1، نویسندگان استفاده از تکنیک‌های انتخاب ویژگی را برای تعریف زیرمجموعه‌ای از ژن‌های مرتبط با ویژگی‌های خاص مانند ایجاد سرطان ارائه می‌کنند. . از طریق ترکیب روش‌های جستجو و روش‌های ارزیابی، نویسندگان نشان می‌دهند که الگوریتم داده‌کاوی سرعت می‌گیرد، عملکرد استخراج مانند دقت پیش‌بینی بهبود می‌یابد و درک نتایج در اکثر ترکیب‌ها آسان‌تر می‌شود. نویسندگان بهترین نتایج را با رویکردهای بسته بندی و جستجوی متوالی به دست آوردند.
در فصل 2، نویسندگان یک تکنیک پیش پردازش جدید برای دست خط آنلاین پیشنهاد می کنند. روش این است که ابتدا قلاب‌های ضربه‌ها را با استفاده از آستانه زاویه تغییر یافته با آستانه طول حذف کنید، سپس با استفاده از تکنیک صاف‌سازی، که ترکیبی از روش‌های مکعبی و روش‌های درون‌یابی برابر است، نویز را فیلتر کنید. سپس، دست‌نویس عادی می‌شود.
در فصل 3، نویسندگان مجموعه‌ای از اسناد بدون ساختار را بررسی می‌کنند. آنها یک روش ساده را بررسی می کنند که نه تنها ابعاد فضای ویژگی و در نتیجه زمان پردازش را به میزان قابل توجهی کاهش می دهد، بلکه عملکرد خوشه بندی را در صورت مواجهه با مجموعه کامل اصطلاحات قابل مقایسه یا حتی بهتر می کند.
در فصل 4، نویسندگان کاربرد تکنیک گسترش پرس و جو را برای بهبود بازیابی اطلاعات بین زبانی به زبان انگلیسی و تایلندی و همچنین پتانسیل استفاده از این تکنیک در سایر سیستم های هوشمند مانند سیستم های تدریس خصوصی را بررسی کنید. به عنوان روشی برای ارزیابی بسط پرس و جو، آنها تلاش می کنند تا دریابند که آیا عبارت های توسعه یافته برای جستجو مفید هستند یا خیر.
در فصل 5، نویسندگان یک پارتیشن فازی و یک نمونه اولیه برای هر خوشه با بهینه سازی یک معیار وابسته به تابع عدم تشابه انتخاب شده است. آنها شامل آزمایش‌هایی می‌شوند که شامل مجموعه‌های داده‌های معیار است و به منظور مقایسه دقت هر تابع انجام می‌شود. به منظور تجزیه و تحلیل نتایج، آنها از یک معیار خارجی استفاده می کنند که پارتیشن های مختلف یک مجموعه داده را با هم مقایسه می کند.
در فصل 6، نویسندگان سیستمی را برای تجزیه و تحلیل خوشه ای اسناد فرامتن بر اساس الگوریتم های ژنتیک توصیف می کنند. اثربخشی سیستم در دریافت گروه‌هایی با اسناد مشابه توسط نتایج تجربی اثبات می‌شود. انتخاب ژن از داده‌های ریزآرایه
تکنیک‌های پیش‌پردازش برای تشخیص آنلاین دست‌نویس
یک روش ساده و سریع انتخاب برای خوشه بندی متن
موتور جستجوی دوزبانه و سیستم آموزشی تکمیل شده با بسط پرس و جو
مقایسه خوشه بندی بر روی داده های نمادین
کاوش در الگوریتم ژنتیک برای خوشه بندی اسناد فرامتن

Издательство Springer, 2009, -127 pp. Automatic Text Categorization and Clustering are becoming more and more important as the amount of text in electronic format grows and the access to it becomes more necessary and widespread. Well known applications are spam filtering and web search, but a large number of everyday uses exist (intelligent web search, data mining, law enforcement, etc.) Currently, researchers are employing many intelligent techniques for text categorization and clustering, ranging from support vector machines and neural networks to Bayesian inference and algebraic methods, such as Latent Semantic Indexing.
This volume offers a wide spectrum of research work developed for intelligent text categorization and clustering. In the following, we give a brief introduction of the chapters that are included in this book.
In Chapter 1, the authors present the use of attribute selection techniques to define a subset of genes related to specific characteristics such as cancer arising. Through combination of search methods and evaluation procedures, the authors show that the data mining algorithm speeds up, mining performance such as predictive accuracy is improved and the comprehensibility of the results becomes easier in most of the combinations. The authors obtained best results with wrapper approaches and sequential search.
In Chapter 2, the authors propose a new preprocessing technique for online handwriting. The approach is to first remove the hooks of the strokes by using changed-angle threshold with length threshold, then filter the noise by using a smoothing technique, which is the combination of the Cubic Spline and the equal-interpolation methods. Then, the handwriting is normalised.
In Chapter 3, the authors explore clustering of unstructured document collection. They explore a simple procedure that not only considerably reduces the dimension of the feature space and hence the processing time, but also produces clustering performance comparable or even better when confronted with the full set of terms.
In Chapter 4, the authors investigate the application of query expansion technique to improve cross-language information retrieval in English and Thai as well as the potential to apply the technique to other intelligent systems such as tutoring systems. As a method of evaluation of query expansion, they attempt to find out whether the expanded terms are useful for the search.
In Chapter 5, the authors provide a fuzzy partition and a prototype for each cluster by optimizing a criterion dependent on the dissimilarity function chosen. They include experiments involving benchmark data sets and carried out in order to compare the accuracy of each function. In order to analyse the results, they apply an external criterion that compares different partitions of a same data set.
In Chapter 6, the authors describe a system for cluster analysis of hypertext documents based on genetic algorithms. The system’s effectiveness in getting groups with similar documents is evidenced by the experimental results. Gene Selection from Microarray Data
Preprocessing Techniques for Online Handwriting Recognition
A Simple and Fast Term Selection Procedure for Text Clustering
Bilingual Search Engine and Tutoring System Augmented with Query Expansion
Comparing Clustering on Symbolic Data
Exploring a Genetic Algorithm for Hypertext Documents Clustering