دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Francesca A. Lisi, Floriana Esposito (auth.), Bettina Berendt, Dunja Mladenič, Marco de Gemmis, Giovanni Semeraro, Myra Spiliopoulou, Gerd Stumme, Vojtěch Svátek, Filip Železný (eds.) سری: Studies in Computational Intelligence 220 ISBN (شابک) : 9783642018909, 9783642018916 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2009 تعداد صفحات: 149 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب کشف دانش با اطلاعات معنایی و اجتماعی افزایش یافته است: هوش محاسباتی، هوش مصنوعی (شامل رباتیک)، معناشناسی
در صورت تبدیل فایل کتاب Knowledge Discovery Enhanced with Semantic and Social Information 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 کشف دانش با اطلاعات معنایی و اجتماعی افزایش یافته است 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.
این کتاب نمایشی از پیشرفتهای اخیر در کشف دانش است که با
اطلاعات معنایی و اجتماعی افزایش یافته است. این شامل هشت فصل
است که از دو کارگاه مشترک در ECML/PKDD 2007 شکل گرفته
است.
توافق کلی وجود دارد که اثربخشی خروجی یادگیری ماشین و کشف دانش
نه تنها به کیفیت داده های منبع و پیچیدگی یادگیری بستگی دارد.
الگوریتمها، بلکه بر روی ورودیهای اضافی ارائهشده توسط
کارشناسان حوزه. توافق کمتری در مورد اینکه آیا، چه زمانی و
چگونه چنین ورودی می تواند و باید به عنوان دانش قبلی صریح رسمی
شود وجود دارد.
شش فصل در قسمت اول کتاب با هدف بررسی این جنبه با پرداختن به
چهار موضوع مختلف انجام می شود: برنامه ریزی منطق استقرایی. نقش
کاربران انسانی؛ بررسی روشهای کاملاً خودکار برای یکپارچهسازی
دانش پسزمینه؛ استفاده از دانش پس زمینه برای وب کاوی انگیزه
دو فصل در بخش دوم، تکامل وب 2.0 (r) و نقش فزاینده قوی محتوای
تولید شده توسط کاربر است. مشارکتها بر دیدگاه وب به عنوان یک
رسانه اجتماعی برای اشتراکگذاری محتوا و دانش تأکید دارند.
This book is a showcase of recent advances in knowledge
discovery enhanced with semantic and social information. It
includes eight contributed chapters that grew out of two
joint workshops at ECML/PKDD 2007.
There is general agreement that the effectiveness of Machine
Learning and Knowledge Discovery output strongly depends not
only on the quality of source data and the sophistication of
learning algorithms, but also on additional input provided by
domain experts. There is less agreement on whether, when and
how such input can and should be formalized as explicit prior
knowledge.
The six chapters in the first part of the book aim to
investigate this aspect by addressing four different topics:
inductive logic programming; the role of human users;
investigations of fully automated methods for integrating
background knowledge; the use of background knowledge for Web
mining. The two chapters in the second part are motivated by
the Web 2.0 (r)evolution and the increasingly strong role of
user-generated content. The contributions emphasize the
vision of the Web as a social medium for content and
knowledge sharing.
Front Matter....Pages -
Front Matter....Pages 1-1
On Ontologies as Prior Conceptual Knowledge in Inductive Logic Programming....Pages 3-17
A Knowledge-Intensive Approach for Semi-automatic Causal Subgroup Discovery....Pages 19-36
A Study of the SEMINTEC Approach to Frequent Pattern Mining....Pages 37-51
Partitional Conceptual Clustering of Web Resources Annotated with Ontology Languages....Pages 53-70
The Ex Project: Web Information Extraction Using Extraction Ontologies....Pages 71-88
Dealing with Background Knowledge in the SEWEBAR Project....Pages 89-106
Front Matter....Pages 107-107
Item Weighting Techniques for Collaborative Filtering....Pages 109-126
Using Term-Matching Algorithms for the Annotation of Geo-services....Pages 127-143
Back Matter....Pages -