در این سلسله مقالات به مفاهیم و کاربرد های دادهکاوی، متن کاوی و علوم مرتبط با علم داده پرداخته میشود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.
در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد.
با وجود اینکه جستجو و طبقه بندی برای بسیاری از سناریوها، برنامه های معروفی هستند، شبکه های اجتماعی ساختار غنی تری از لحاظ متن و پیوند دارند. بسیاری از کارها در این زمینه به طور خالص از محتوای متن یا به از ساختار پیوندی استفاده می کنند. بسیار از الگوریتم های جدید از ترکیب اطلاعات محتوایی و پیوندی برای مقاصد استخراجی استفاده می کنند. ما یک الگوریتم خوشه بندی ++ k- means که از گام های کاهش ابعادی از طریق SVD و یک رویکرد مقدار دهی اولیه جدید قرار گرفته در مرکز خوشه ای استفاده می کند. کارایی الگوریتم پیشنهادی را با استفاده از تالار مدیریت دوره مودل با بخش بندی در k گروه اعتبار بخشیدیم بطوریکه جمع خطاهای خوشه ای تا حد ممکن کاهش یافت. برای کار آتی، استفاده از روش های آماری برای محاسبه مقدار k، بسته به توزیع داده، و پایگاه داده برای کنترل مباحث آزاد را پیشنهاد کردیم. همچنین، روش های موازی برای SVD برای کاهش بارهای محاسباتی پیشنهاد کردیم.
این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند.
اگر به دنبال مجموعه مقالات فارسی در موضوعات مختلف هستید به لینک مراجعه بفرمایید. در این لینک مجموعه مقالات فارسی در حوزه های مختلف داده کاوی و متن کاوی ارائه شده است.
اگر به پژوهش در حوزه متن کاوی علاقه مند هستید توصیه می شود حتما مجموعه بی نظیر هفتاد و چهار مقاله فارسی در زمینه متن کاوی و مجموعه های مشابه آن را تهیه بفرمایید.
اگر در زمینه متن کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید. آکادمی داده در تلگرام (https://t.me/dataacademy) حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.
افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.