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

A Review of Graph-Based Methods in Semi-Supervised Learning

سال انتشار: 1395
کد COI مقاله: NSOECE05_075
زبان مقاله: انگلیسیمشاهد این مقاله: 306
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
محتوای کامل این مقاله با فرمت WORD هم 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 11 صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله A Review of Graph-Based Methods in Semi-Supervised Learning

Mohsen Hajighorbani - Young Researchers and Elite Club Islamic Azad University Qazvin, Iran
Seyyed Mohammad Reza Hashemi - Young Researchers and Elite Club Islamic Azad University Qazvin, Iran
Saadati Mahdi - Faculty of Computer and Information Technology Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran
Maryam Faridpour - Young Researchers and Elite Club Islamic Azad University Qazvin, Iran

چکیده مقاله:

Nowadays, due to the increasing growth of information bulk, it seems necessary to have a system to automatically classify the texts. In past 10 years, management based on text content has gained more account as a consequence of rapid growth and availability of textual documents in digital form. Text classification is used for the practice of subject-based labeling of natural language texts, in accordance with a pre-determined set. Currently, text classification is practical in wide range of contexts, from text indexing, based on a controlled glossary, to text filtering, automatic production of metadata, word clarification, production of hierarchical catalogues from the existing web sources, and in general in any case wherein the aim is to organize the documents or distribute them selectively and comparatively in a certain way. This paper deals with graph-construction methods, surveying five graph-based methods in semi-supervised learning, namely Min-cut method, Manifold Regulation, multiple label, harmonical compositions, and harmonical function by means of Laplasian Matrix.

کلیدواژه ها:

data-mining, comparison, graph construction, semi-supervised learning

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/611430/

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 Hashemi, Seyyed Mohammad Reza and Mahdi, Saadati and Faridpour, Maryam,1395,A Review of Graph-Based Methods in Semi-Supervised Learning,پنجمین کنفرانس بین المللی مهندسی کامپیوتر ،برق و الکترونیک,,,https://civilica.com/doc/611430

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؛ Seyyed Mohammad Reza Hashemi and Saadati Mahdi and Maryam Faridpour)
برای بار دوم به بعد: (1395, Hajighorbani؛ Hashemi and Mahdi and Faridpour)
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 :

  • A. Bagheri, H. Farzanehfar, M. H. Soraie, M. R. Ahmadzadeh, ...
  • Asif Ekbal, SriparnaSaha, Simulated annealing based classifier ensemble techniques: Application ...
  • Limeng Cui, Yong Shi, A Method based on One-clas SVM ...
  • Li, Y.H., Jain, A.K. "Classification of text documents", Computer Journal, ...
  • Li, Wei; Lee, Bob; Krausz, Franl and Sahin, Kenan. Text ...
  • Soucy, P., Mineau, G.W."A simple KNN algorithm for text categorization ...
  • Joachims, Thorsten.Tex Categorization with Support Vector Machines: Learning with Many ...
  • M. Arabsorkhi, M. Shamsfard, "Unsupervised Discovery of Persian Morphemes, " ...
  • M. E. Basiri, S. Nemati, N. G. Aqaie, "Comparison of ...
  • B. Bina, M. Rahgozar, and A. D. Mobad, "Automatic Persian ...
  • N. Maqsudi, and M. M. Homayunpur, "A Novel Method For ...
  • M.S.B. PhridviRaj, C.V. GuruRao, Data Mining - Past, Present and ...
  • Mohsen Ramezani, Parham Moradi, F ardinAkhl aghian, A pattern mining ...
  • Chrys talleniLazarou, Minas Karaolis, Antonia-Leda Matalas, Demosthenes B. Panagiotakos, Dietary ...
  • CYKIDS study, Computer Methods and Programs in Biomedicine, Volume 108, ...
  • Edrisi Muoz, Eli S ab etC apon-Garcia, Jose M. Lainez ...
  • Zhenhua Wang, Lai Tu, ZheGuo, Laurence T. Yang, Benxiong Huang, ...
  • Dirk Thorleuchter, Dirk Van den Poel, Anita Prinzie, Mining ideas ...
  • Xiaofei Zhou, Yue Hu, Li Guo, Text Categorization based On ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    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