Αναζήτηση παρόμοιων κειμένων σε κατανεμημένα περιβάλλοντα
Loading...
Date
2019-09-25
Authors
Γκόρος, Χρήστος
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Στην παρούσα διπλωματική εργασία μελετάται η επίδοση αλγορίθμου των κ-Εγγύτερων Γειτόνων για χρήση στην αναζήτηση όμοιων κειμένων. Ο αλγόριθμος εφαρμόζεται πάνω σε μεγάλο όγκο αδόμητων δεδομένων, κείμενα διαλόγων. Με τη χρήση της τεχνικής τεμαχισμού σε διαδοχικά τμήματα, τα αδόμητα δεδομένα μετατρέπονται σε δομημένα, και τα κείμενα μετατρέπονται σε τμήματα κειμένου που αντιπροσωπεύουν το κάθε κείμενο. Η τεχνική ελαχιστοποίησης κατακερματισμών είναι υπεύθυνη για την εκπροσώπηση των συνόλων δομημένων δεδομένων από μικρότερα σετ, τις υπογραφές, ώστε όλα τα αρχεία να έχουν το ίδιο πλήθος υπογραφών. Τα ζεύγη δημιουργούνται με τη χρήση τοπολογικής ευαισθησίας στις υπογραφές. Μέσω αυτών των πειραμάτων εξηγείται η συμπεριφορά του αλγορίθμου και οι τρόποι που μπορούν να βελτιώσουν την ακρίβεια και τους χρόνους εκτέλεσης του.
Description
Keywords
Εξόρυξη κειμένου, Μηχανική μάθηση, Υπογραφές, Συνεργατικά φίλτρα, Καδοποίηση, Τοπο-ευαισθησία, Αναζήτηση εγγύτερων γειτόνων, Μέτρα ομοιότητας, Μέτρα απόστασης, Ελαχιστοποίησης κατακερματισμών