ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Survey of Document’s Clustering Methods by Means of Learning Algorithms

سال انتشار: 1395
کد COI مقاله: COMCONF02_232
زبان مقاله: انگلیسیمشاهد این مقاله: 330
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

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 به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Survey of Document’s Clustering Methods by Means of Learning Algorithms

Mohsen Hajighorbani - Young Researchers and Elite Club Islamic Azad University Qazvin, Iran
B.Minaei Bidgoli - Department of Computer Engineering, Iran University of Science and Technology, Tehran, Iran
Seyyed Mohammad Reza Hashemi - Young Researchers and Elite Club Islamic Azad University Qazvin, Iran
Mohammad Mahdi Deramgozin - Young Researchers and Elite Club Islamic Azad University Qazvin, Iran

چکیده مقاله:

The growing rise of databases almost in every area of human activity has caused the need for new powerful tools to change the suitable knowledge increase. In order to satisfy this need, the researches of various fields such as machine learning, pattern identification, analysis of statistical data, data visualization, neural networks, econometrics, information retrieving, information extraction, etc. have explored some methods and ideas. Text mining uses unstructured textual information, studying it in order to discover the structure and hidden lateral meanings in the text. Documents’ clustering via unsupervised machine learning methods has an expanded function in different areas of natural processing languages such as automatic multi-text summarization, information retrieving, etc. The current paper aims to introduce some useful functions of this area, clustering the documents with the approach of decreasing noise redundancy as well as unrelated data. Dimension reduction is a method of erasing such features

کلیدواژه ها:

document clustering, dimension reduction, unsupervised machine learning, pattern extraction

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/546041/

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:
Hajighorbani, Mohsen and Bidgoli, B.Minaei and Hashemi, Seyyed Mohammad Reza and Deramgozin, Mohammad Mahdi,1395,Survey of Document’s Clustering Methods by Means of Learning Algorithms,دومین کنفرانس بین المللی یافته های نوین پژوهشی در مهندسی برق و علوم کامپیوتر,رامسر,,,https://civilica.com/doc/546041

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: (1395, Hajighorbani, Mohsen؛ B.Minaei Bidgoli and Seyyed Mohammad Reza Hashemi and Mohammad Mahdi Deramgozin)
برای بار دوم به بعد: (1395, Hajighorbani؛ Bidgoli and Hashemi and Deramgozin)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

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

مقالات پیشنهادی مرتبط

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