Entdecken neuartiger Informationen mit Satzebenen-Clustering von mult

Spezifisches Ziel, einige neuartige Informationen aus einer Reihe von Dokumenten zu entdecken, die ursprünglich als Reaktion auf eine Anfrage abgerufen wurden. Das Clustern von Text auf Satzebene, die effektive Nutzung und Aktualisierung ist immer noch ein offenes Forschungsthema, insbesondere im Bereich des Text Mining. Da die meisten existierenden Systeme Muster verwenden, gehören sie zu einem einzelnen Cluster. Aber hier können wir Muster verwenden, die zu allen Clustern mit unterschiedlichem Zugehörigkeitsgrad gehören. Aufgrund von Sätzen dieser Dokumente würden wir erwarten, dass mindestens einer der Cluster eng mit den durch den Abfragebegriff beschriebenen Konzepten verwandt ist. Dieses Buch stellt einen neuartigen Fuzzy-Clustering-Algorithmus vor, der mit relationalen Eingabedaten arbeitet (d. h. Daten in Form einer quadratischen Matrix von paarweisen Ähnlichkeiten zwischen Datenobjekten).