Librería Samer Atenea
Kálamo Books
Librería Elías (Asturias)
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Klasteryzacja tekstu jest podstawową techniką w eksploracji tekstu i przetwarzaniu języka naturalnego w celu organizowania dużych ilości nieustrukturyzowanych danych w znaczące grupy. Tradycyjne algorytmy klasteryzacji często napotykają wyzwania w zakresie skalowalności, wydajności i dokładności, gdy mają do czynienia z wielowymiarowymi danymi tekstowymi. W niniejszej pracy zaproponowano ulepszone podejście wykorzystujące Novel Fast Seeds Affinity Propagation (NFAP) w celu poprawy wydajności klastrowania. Wprowadzając zoptymalizowany wybór nasion, metoda ta przyspiesza zbieżność, zmniejsza złożoność obliczeniową i poprawia jakość tworzenia klastrów. Wyniki eksperymentalne pokazują, że proponowany model osiąga lepszą dokładność i wydajność klastrowania w porównaniu ze standardowymi metodami propagacji pokrewieństwa, dzięki czemu nadaje się do zastosowań w eksploracji tekstu na dużą skalę.