7808336066

Wyszukiwanie informacji Agnieszka Nowak

Problem nie jest trywialny...bo:

•    nie jest znana liczba oczekiwanych grup,

•    miara podobieństwa dokumentów jest trudna do zdefiniowania,

•    grupy mogą się nakładać,

•    znalezienie opisu dla grupy nie jest łatwe,

•    wymagana szybkość działania {on-line},

•    dokumenty mogą być wielojęzyczne,

•    opisy są zazwyczaj krótkie i niepełne.

Modelowanie podobieństwa

Modelowanie to wykorzystuje techniki:

1.    modelowanie odległości w przestrzeniach n-wymiarowych,

2.    model grafowy,

3.    współwystępowanie słów i fraz.

Tematem niniejszej prezentacji jest skupienie się na pierwszej technice, która pozwala na wykorzystywanie do grupowania różnego typu algorytmów. Tutaj omówiony zostanie algorytm analizy skupień z aglomeracyjnym łączeniem obiektów tworzących w ten sposób pewną strukturę hierarchiczną, stąd nazwa algorytmu:

AHC - Agglomerative Hierarchical Clustering.

Przebieg grupowania AHC:

Przebieg grupowania obiektów w ramach metod aglomeracyjnych odbywa się w następujących krokach:

1.    Utwórz n klas zawierających pojedyncze obiekty.

2.    Oblicz wartość pewniej miary podobieństwa (odległości) dla wszystkich par klas.

3.    Połącz dwie klasy najbardziej podobne.

4.    Jeśli wszystkie obiekty należą do jednej klasy, to zakończ pracę. W przeciwnym przypadku przejdź do kroku 2.