ناشر تخصصی کنفرانس های ایران

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

ارائه روشی برای محاسبهی میزان مثبت کاذب و منفی کاذب در روشLSH به منظور یافتن اسناد مشابه

تعداد صفحات: 12 | تعداد نمایش خلاصه: 434 | نظرات: 0
سال انتشار: 1392
کد COI مقاله: TIAU01_174
زبان مقاله: فارسی
(فایل این مقاله در 12 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 12 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه روشی برای محاسبهی میزان مثبت کاذب و منفی کاذب در روشLSH به منظور یافتن اسناد مشابه

حسین ازگومی - رشته کامپیوتر گرایش نرمافزار، دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد شبستر، مربی آموزشیار دانشگاه علم و فرهنگ رشت
علی مهجور - رشته کامپیوتر گرایش نرمافزار، دکتری تخصصی دانشگاه صنعتی شریف، استادیار دانشگاه آزاد اسلامی

چکیده مقاله:

یکی از مسائل بنیادی در داده کاوی، بررسی داده ها برای یافتن عناصر مشابه میباشد. برای نمونه در این زمینه میتوان به بررسی مجموعه ای از اسناد مختلف برای پیدا کردن موارد نزدیک به هم و تکراری اشاره نمود. مسئله پیدا کردن اسناد مشابه را میتوان به یک مسئله بر پایه ی مجموعه تبدیل کرد که این کار در قالب روشShinglingانجام می-گیرد. همچنین در ادامه میتوان مجموعه های بزرگ حاصل را به صورتی فشرده نمود که باز هم بتوان تشابه مجموعه-های اصلی را از نسخه های فشرده شده ی آنها، تشخیص داد که این کار در روشMinhashingانجام میشود. درادامه اگر بخواهیم از مقایسه تمامی اسناد با یکدیگر پرهیز کنیم و فقط اسناد با احتمال بالاتر را با یکدیگر مقایسه کنیم باید از روشLSH برای رسیدن به این هدف استفاده نماییم. در این روش امکان ایجاد مثبت کاذب و منفی کاذب وجود دارد. ما در این مقاله رابطه هایی برای محاسبه ی مثبت کاذب و منفی کاذب در این روش ارائه کردیم. به کمک این رابطه ها میتوان پارامترهای روشLSHرا به گونه ای انتخاب نمود که میزان مثبت کاذب و منفی کاذب را کنترل کرد. در واقع هدف اصلی مقاله ایجاد راهکاری برای کاهش مقادیر مثبت کاذب یا منفی کاذب می باشد.

کلیدواژه ها:

دادهكاوي، اسناد مشابه، روشLSH/مثبت كاذب، منفي كاذب

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/290741/

کد COI مقاله: TIAU01_174

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،ارائه روشی برای محاسبهی میزان مثبت کاذب و منفی کاذب در روشLSH به منظور یافتن اسناد مشابه،همایش ملی پژوهش های کاربردی در علوم و مهندسی،تاکستان،،،https://civilica.com/doc/290741

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 :

  • U. Manber; "Finding similar files in a large file system", ...
  • S.Mitra, S.K.Pal and P.Mitra; _ mining in soft computing framework: ...
  • J.Bank and B.Cole; "Calculating the Jaccard Similarity Coefficient with Map ...
  • Rajaraman.A, D.Ullman.J; Mining of Massive Datasets, Cambridge Univ Pr, 2011. ...
  • A.Broder; "Identifying and filtering near-duplicate documents", Combinatorit Pattern Matching, Springer, ...
  • A.Z. Broder; "On the resemblance and containment of documents", Proc. ...
  • A.Z. Broder, M. Charikar, A.M. Frieze, and M. Mitzenmacher; "Min-wise ...
  • E.Cohen, M.Datar, S.Fujiwara, A.Gionis, P.Indyk, R.Motwani, J.D.Ullman and C.Yang; "Finding ...
  • A. Andoni and P Indyk; "Near-optimal hashing algorithms for approximate ...
  • A.Gionis, P. Indyk, and R. Motwani; "Similarity search in high ...
  • 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.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: موسسه غیرانتفاعی
    تعداد مقالات: 1,157
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    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