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: Marenglen Biba, Fatos Xhafa (auth.), Marenglen Biba, Fatos Xhafa (eds.) سری: Studies in Computational Intelligence 375 ISBN (شابک) : 3642229123, 9783642229121 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2011 تعداد صفحات: 460 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
کلمات کلیدی مربوط به کتاب ساختار یادگیری و طرحواره ها از روی اسناد: هوش محاسباتی، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Learning Structure and Schemas from Documents 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 ساختار یادگیری و طرحواره ها از روی اسناد 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.
حجم رو به رشد سریع اسناد دیجیتالی موجود با فرمتهای مختلف و امکان دسترسی به آنها از طریق فناوریهای مبتنی بر اینترنت، نیاز به توسعه روشهای مستحکم برای سازماندهی و ساختار مناسب اسناد در کتابخانهها و مخازن بزرگ دیجیتال را به وجود آورده است. . با توجه به حجم بسیار زیاد اسناد و شکل بدون ساختار آنها، بیشتر تلاش های پژوهشی در این راستا به استنتاج خودکار ساختار و طرحواره ها اختصاص دارد که می توانند به سازماندهی بهتر مجموعه های عظیم اسناد و داده ها کمک کنند.
این کتاب آخرین پیشرفت ها در استنتاج ساختار در مجموعه های ناهمگون اسناد و داده ها را پوشش می دهد. این کتاب دیدگاهی جامع از آخرین هنر در این منطقه ارائه میکند، برخی از درسهای آموخته شده را ارائه میکند و موضوعات پژوهشی جدید، چالشها و فرصتها را برای دستور کار تحقیقاتی و پیشرفتهای بیشتر شناسایی میکند. فصلهای انتخاب شده طیف وسیعی از موضوعات تحقیقاتی، از رویکردهای نظری گرفته تا مطالعات موردی و بهترین شیوهها در این زمینه را پوشش میدهند.
محقق، توسعهدهندگان نرمافزار، پزشکان و دانشجویان علاقهمند به این حوزه از ساختار یادگیری و طرحواره ها از اسناد پوشش جامع این کتاب برای فعالیت های پژوهشی، علمی، توسعه و عملی آنها مفید خواهد بود.
The rapidly growing volume of available digital documents of various formats and the possibility to access these through Internet-based technologies, have led to the necessity to develop solid methods to properly organize and structure documents in large digital libraries and repositories. Due to the extremely large volumes of documents and to their unstructured form, most of the research efforts in this direction are dedicated to automatically infer structure and schemas that can help to better organize huge collections of documents and data.
This book covers the latest advances in structure inference in heterogeneous collections of documents and data. The book brings a comprehensive view of the state-of-the-art in the area, presents some lessons learned and identifies new research issues, challenges and opportunities for further research agenda and developments. The selected chapters cover a broad range of research issues, from theoretical approaches to case studies and best practices in the field.
Researcher, software developers, practitioners and students interested in the field of learning structure and schemas from documents will find the comprehensive coverage of this book useful for their research, academic, development and practice activity.
Front Matter....Pages -
Learning Structure and Schemas from Heterogeneous Domains in Networked Systems Surveyed....Pages 1-16
Handling Hierarchically Structured Resources Addressing Interoperability Issues in Digital Libraries....Pages 17-49
Administrative Document Analysis and Structure....Pages 51-71
Automatic Document Layout Analysis through Relational Machine Learning....Pages 73-96
Dataspaces: Where Structure and Schema Meet....Pages 97-119
Transductive Learning of Logical Structures from Document Images....Pages 121-142
Progressive Filtering on the Web: The Press Reviews Case Study....Pages 143-163
A Hybrid Binarization Technique for Document Images....Pages 165-179
Digital Libraries and Document Image Retrieval Techniques: A Survey....Pages 181-204
Mining Biomedical Text towards Building a Quantitative Food-Disease-Gene Network....Pages 205-225
Mining Tinnitus Data Based on Clustering and New Temporal Features....Pages 227-245
DTW-GO Based Microarray Time Series Data Analysis for Gene-Gene Regulation Prediction....Pages 247-274
Integrating Content and Structure into a Comprehensive Framework for XML Document Similarity Represented in 3D Space....Pages 275-287
Modelling User Behaviour on Page Content and Layout in Recommender Systems....Pages 289-313
MANENT: An Infrastructure for Integrating, Structuring and Searching Digital Libraries....Pages 315-341
Low-Level Document Image Analysis and Description: From Appearance to Structure....Pages 343-367
Model Learning from Published Aggregated Data....Pages 369-384
Data De-duplication: A Review....Pages 385-412
A Survey on Integrating Data in Bioinformatics....Pages 413-432
Back Matter....Pages -