ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Inductive Inference for Large Scale Text Classification: Kernel Approaches and Techniques

دانلود کتاب استنتاج استقرایی برای طبقه‌بندی متن در مقیاس بزرگ: رویکردها و تکنیک‌های هسته

Inductive Inference for Large Scale Text Classification: Kernel Approaches and Techniques

مشخصات کتاب

Inductive Inference for Large Scale Text Classification: Kernel Approaches and Techniques

ویرایش: 1 
نویسندگان:   
سری: Studies in Computational Intelligence 255 
ISBN (شابک) : 9783642045325, 9783642045332 
ناشر: Springer-Verlag Berlin Heidelberg 
سال نشر: 2010 
تعداد صفحات: 168 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

قیمت کتاب (تومان) : 60,000



کلمات کلیدی مربوط به کتاب استنتاج استقرایی برای طبقه‌بندی متن در مقیاس بزرگ: رویکردها و تکنیک‌های هسته: ریاضیات کاربردی/روش‌های محاسباتی مهندسی، تهیه اسناد و پردازش متن، زبان‌شناسی محاسباتی، هوش مصنوعی (شامل رباتیک)



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Inductive Inference for Large Scale Text Classification: Kernel Approaches and Techniques به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب استنتاج استقرایی برای طبقه‌بندی متن در مقیاس بزرگ: رویکردها و تکنیک‌های هسته نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب استنتاج استقرایی برای طبقه‌بندی متن در مقیاس بزرگ: رویکردها و تکنیک‌های هسته



طبقه بندی متون در حال تبدیل شدن به یک وظیفه حیاتی برای تحلیلگران در حوزه های مختلف است. در چند دهه اخیر، تولید اسناد متنی به صورت دیجیتال به طور تصاعدی افزایش یافته است. کاربردهای آنها از صفحات وب تا اسناد علمی، از جمله ایمیل، اخبار و کتاب ها را شامل می شود. علیرغم استفاده گسترده از متون دیجیتالی، مدیریت آنها ذاتاً دشوار است - حجم زیادی از داده های لازم برای نمایش آنها و ذهنی بودن طبقه بندی مسائل را پیچیده می کند.

این کتاب دیدگاه مختصری در مورد چگونگی استفاده از رویکردهای هسته برای استنتاج استقرایی در طبقه بندی متن در مقیاس بزرگ ارائه می دهد. مجموعه ای از تکنیک های جدید را برای تقویت، مقیاس و توزیع وظایف طبقه بندی متن ارائه می دهد. در نظر گرفته شده است که این یک بررسی جامع از پیشرفته ترین حوزه طبقه بندی متن نباشد. هدف آن کمتر جاه طلبانه و کاربردی تر است: توضیح و تشریح برخی از روش های مهم مورد استفاده در این زمینه، به ویژه رویکردها و تکنیک های هسته.


توضیحاتی درمورد کتاب به خارجی

Text classification is becoming a crucial task to analysts in different areas. In the last few decades, the production of textual documents in digital form has increased exponentially. Their applications range from web pages to scientific documents, including emails, news and books. Despite the widespread use of digital texts, handling them is inherently difficult - the large amount of data necessary to represent them and the subjectivity of classification complicate matters.

This book gives a concise view on how to use kernel approaches for inductive inference in large scale text classification; it presents a series of new techniques to enhance, scale and distribute text classification tasks. It is not intended to be a comprehensive survey of the state-of-the-art of the whole field of text classification. Its purpose is less ambitious and more practical: to explain and illustrate some of the important methods used in this field, in particular kernel approaches and techniques.



فهرست مطالب

Front Matter....Pages -
Front Matter....Pages 1-1
Background on Text Classification....Pages 3-29
Kernel Machines for Text Classification....Pages 31-48
Front Matter....Pages 49-49
Enhancing SVMs for Text Classification....Pages 51-70
Scaling RVMs for Text Classification....Pages 71-91
Distributing Text Classification in Grid Environments....Pages 93-115
Framework for Text Classification....Pages 117-128
Back Matter....Pages -




نظرات کاربران