Read more
En la era de la tecnología de la información, los documentos de texto aumentan espontáneamente en Internet, el correo electrónico, las páginas web, los informes en línea y fuera de línea, las revistas y los artículos, y se almacenan en formato de base de datos electrónica. Cada día se crean millones de nuevos archivos de texto y, debido a la falta de clasificación, se pierde una gran cantidad de información que puede ser útil para muchos propósitos. Para mantener y acceder a los documentos son muy difíciles sin la clasificación adecuada y cuando no hay clasificación sin ninguna información proporcionar clustering llamada. Para superar estas dificultades, K-means y otros algoritmos de agrupación antiguos no son aptos para impartir lo que se puede esperar de las lenguas naturales. Debido a la alta dimensión de los textos, la presencia de pistas de estructura lógica dentro de los textos y las técnicas de segmentación novedosas han aprovechado los avances en algoritmos de modelado generativo de temas, diseñados específicamente para detectar preguntas en los intervalos de texto para cifrar las distribuciones temáticas de las palabras. Así pues, teniendo en cuenta esta limitación, se aplicó el algoritmo de agrupación conceptual COBWEB a los datos preprocesados. Para garantizar la exactitud de los clusters, se seleccionaron los métodos de medición de exactitud f-measure para evaluar los clusters.
About the author
El Sr. S.K. Ahammad Fahad obtuvo su Máster en la Universidad Internacional Al-Madinah (Malasia). Se licenció en la Universidad IBAIS (Bangladesh). Actualmente trabaja en el procesamiento del lenguaje natural con bases de datos semánticas y léxicas en distintos idiomas.
