Skip Navigation Linksلیست مقالات ترجمه شده / خرید و دانلود
1,095,450

پیش از اقدام به خرید ترجمه فارسی می توایند نسخه انگلیسی را به صورت رایگان دانلود و بررسی نمایید. متن چکیده و ترجمه آن در پایین همین صفحه قابل مشاهده است.
دانلود رایگان مقاله انگلیسی
موسسه ترجمه البرز اقدام به ترجمه مقاله " مهندسی فناوری اطلاعات " با موضوع " خوشه بندی اسناد علمی با استفاده از مدل‌سازی موضوعی " نموده است که شما کاربر عزیز می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
خوشه بندی اسناد علمی با استفاده از مدل‌سازی موضوعی
نویسنده/ناشر/نام مجله :
Scientometrics
سال انتشار
2014
کد محصول
1009233
تعداد صفحات انگليسی
20
تعداد صفحات فارسی
26
قیمت بر حسب ریال
1,005,000
نوع فایل های ضمیمه
Pdf+Word
حجم فایل
2 مگا بایت
تصویر پیش فرض



Abstract

Topic modeling is a type of statistical model for discovering the latent “topics” that occur in a collection of documents through machine learning. Currently, latent Dirichlet allocation (LDA) is a popular and common modeling approach. In this paper, we investigate methods, including LDA and its extensions, for separating a set of scientific publications into several clusters. To evaluate the results, we generate a collection of documents that contain academic papers from several different fields and see whether papers in the same field will be clustered together. We explore potential scientometric applications of such text analysis capabilities

چکیده

مدلسازی موضوعی یک نوع مدل آماری برای کشف "موضوعات" پنهان است، مدلسازی موضوعی در مجموعه ای از اسناد از طریق یادگیری ماشین صورت می گیرد. در حال حاضر، تخصیص پنهان دیریکله (LDA) یک رویکرد مدلسازی بسیاری متداول و معروف است. در این مقاله، روش هایی را، از جمله LDA و بسط آن را، برای تجزیه مجموعه ای از انتشارات علمی به درون چند خوشه بررسی می کنیم. برای ارزیابی این نتایج، مجموعه ای از اسناد را تولید می کنیم که شامل مقالات دانشگاهی در چندین زمینه متفاوت هستند و بررسی می کنیم که آیا مواردی که در یک زمینه هستند با همدیگر در یک خوشه قرار می گیرند یا نه. کاربردهای بالقوه علم سنجی مانند قابلیت های تحلیل متن را نیز کشف می‌ کنیم.

1-مقدمه

با افزایش استفاده از پایگاه داده های ساخت‌ یافته متنی، رویکرد ما در راستای سنجش علم، بیشتر و بیشتر به روش های کمی اتکا می کند. اغلب با اشاره به عنوان "کتاب سنجی" (Borgman and Furner 2002)، مطالعات از ابزارهای روش شناختی متفاوتی برای استخراج اطلاعات از پایگاه داده ها، و در راستای تلاش برای کشف ساختارهای اساسی درون مجموعه داده استفاده می کنند...



این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:




Topic modeling
Text analysis
Atent dirichlet allocation

ثبت سفارش جدید