ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

یافتن اسنادمشابه باحذف کاراکترهای مکرر

تعداد صفحات: 7 | تعداد نمایش خلاصه: 497 | نظرات: 0
سال انتشار: 1392
کد COI مقاله: BPJ01_492
زبان مقاله: فارسی
(فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله یافتن اسنادمشابه باحذف کاراکترهای مکرر

حسین ازگومی - کارشناسی ارشدکامپیوتر
علی مهجور - دکتری تخصصی

چکیده مقاله:

یکی ازمباحث مطرح درکاوش ازمجموعه داده های عظیم یافتن اسنادمشابه می باشد سه روش کلی برای یافتن اسنادمشابه وجود داردکه مکمل یکدیگر می باشند درروش Shingling هرسند به یک مجموعه تبدیل میشود و تشابه بین اسنادبه کمک تشابه بین مجموعه های مرتبط با آنها محاسبه میشود مجموعه های حاصل شده حجم بالایی دارند بنابراین درروش Minhashingمجموعه ها به گونه ای فشرده میشود که بازهم بتوان تشابه میان اسناد را ازنمونه فشرده شده ی آنهاتخمین زد برای یافتن تمامی اسنادمشابه مقایسه ی همه جفت اسناد موجود زمان برمی باشد بنابراین روش LSH جفت اسنادی که بااحتمال بیشتری مشابه هستند را انتخاب و فقط تشابه بین آنها را محاسبه کند هرسه روش تمامی کاراکترهای موجود دراسناد را بررسی می کنند اما ممکن است اسناد دارای کاراکترهایی باشند که تاثیر چندان یدرتشابه بین اسنادنداشته باشند به عنوان نمونه میتوان به مجموعه کاراکترهایی اشاره کرد که درتمامی یابیشتر اسناد تکرار شده باشند این کاراکترها را مکرر می نامیم مادراین مقاله باحذف کاراکترهای مکرر اسنادمشابه را روی زمان کمتری وحتی گاهی باتخمین دقیقتری یافتیم درواقع هدف اصلی مقاله ارایه روشی برای یافتن اسنادمشابه با زمان کمترمی باشد

کلیدواژه ها:

اسنادمشابه/روش Shingling /روش Minhashing، روش LSH، كاراكترهاي مكرر

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/225748/

کد COI مقاله: BPJ01_492

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ازگومی، حسین و مهجور، علی،1392،یافتن اسنادمشابه باحذف کاراکترهای مکرر،اولین همایش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات،رشت،،،https://civilica.com/doc/225748

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392، ازگومی، حسین؛ علی مهجور)
برای بار دوم به بعد: (1392، ازگومی؛ مهجور)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود ممقالهقاله لینک شده اند :

  • S. Mitra, S. K. Pal, and P. Mitra, "Data mining ...
  • U. Manber, "Finding Similar Files in a Large File System, ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی