Отрывок: 21 Рисунок 7 – Приближение дендрограммы иерархической кластеризации Рисунок 8 – Приближение дендрограммы иерархической кластеризации 22 4.1 Улучшение качества разбиения Как можно заметить, многие кластеры были образованы благодаря именам людей в начале предложения, к которым было прямое обращение. Данные вставки имен были сгенерированы автоматически социальной се- тью. Для улу...
Название : Исследование алгоритмов кластеризации для анализа больших объемов текстовых данных
Авторы/Редакторы : Кирилин П. Н.
Куприянов А. В.
Министерство науки и высшего образования Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Институт информатики
математики и электроники
Дата публикации : 2019
Библиографическое описание : Кирилин, П. Н. Исследование алгоритмов кластеризации для анализа больших объемов текстовых данных : вып. квалификац. работа по направлению подгот. 01.03.02 "Прикладная математика и информатика" (уровень бакалавриата) / П. Н. Кирилин ; рук. работы А. В. Куприянов ; нормоконтролер С. В. Суханов ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики,. - Самара, 2019. - on-line
Аннотация : Данная работа демонстрирует результаты исследования качества работы алгоритмов кластеризации текстовых данных большого объема. Цель работы - реализация нескольких алгоритмов кластеризации текстовых данных и исследование качества кластеризации данных, пред
Другие идентификаторы : RU\НТБ СГАУ\ВКР20191021154854
Ключевые слова: обработка естественного языка (ОЕЯ)
Python
алгоритм К-средних
алгоритмы кластеризации
агломеративная иерархическая кластеризация
коэффициент силуэта
машинное обучение
спектральная кластеризация
сравнение алгоритмов
Располагается в коллекциях: Выпускные квалификационные работы




Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.