2024-03-28T15:56:20Zhttps://www.tdx.cat/oai/requestoai:www.tdx.cat:10803/319132017-09-25T18:39:49Zcom_10803_311col_10803_316
nam a 5i 4500
Ontologies
Semblança Semàntica
Semblanza Semántica
Semantic Similarity
classificació no supervisada
unsupervised classification
Ontology based semantic clustering
[Tarragona] :
Universitat Rovira i Virgili,
2011
Accés lliure
http://hdl.handle.net/10803/31913
cr |||||||||||
AAMMDDs2011 sp ||||fsm||||0|| 0 eng|c
9788469432327
Batet Sanromà, Montserrat,
autor
1 recurs en línia (193 pàgines)
Tesi
Doctorat
Universitat Rovira i Virgili. Departament d'Enginyeria Informàtica i Matemàtiques
2011
Universitat Rovira i Virgili. Departament d'Enginyeria Informàtica i Matemàtiques
Tesis i dissertacions electròniques
Valls, Aïda,
supervisor acadèmic
Gibert Oliveras, Karina,
supervisor acadèmic
TDX
Els algoritmes de clustering desenvolupats fins al moment s’han centrat en el processat de dades numèriques i categòriques, no considerant dades textuals. Per manegar adequadament aquestes dades, es necessari interpretar el seu significat a nivell semàntic. En aquest treball es presenta un nou mètode de clustering que es capaç d’interpretar, de forma integrada, dades numèriques, categòriques i textuals. Aquest últims es processaran mitjançant mesures de similitud semàntica basades en 1) la utilització del coneixement taxonòmic contingut en una o diferents ontologies i 2) l’estimació de la distribució de la informació dels termes a la Web. Els resultats mostren que una interpretació precisa de la informació textual a nivell semàntic millora els resultats del clustering i facilita la interpretació de les classificacions.
r
ES-BaCBU
cat
rda
ES-BaCBU
text
txt
rdacontent
informàtic
c
rdamedia
recurs en línia
cr
rdacarrier