文献

J-GLOBAL ID：201802263003679336   整理番号：18A0349926

大規模空間テキストデータをクラスタ化するためのk分割アルゴリズム【Powered by NICT】

A K-partitioning algorithm for clustering large-scale spatio-textual data

著者 (3件)： Choi Dong-Wan (School of Computing Science, Simon Fraser University, Burnaby, BC, Canada) ,  Chung Chin-Wan (Chongqing Liangjiang KAIST International Program, Chongqing University of Technology, Chongqing, China) ,  Chung Chin-Wan (School of Computing, Korea Advanced Institute of Science and Technology, Daejeon, Korea)
資料名： Information Systems  (Information Systems)
巻： 64  ページ： 1-11  発行年： 2017年 
JST資料番号： H0277C  ISSN： 0306-4379  CODEN： INSYD6  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 空間テキストデータ量が飛躍的に増加している,これはこのような大規模空間テキストデータセットを処理するためにますます必須にしている。多数の研究は,各種空間テキスト質問を答えるための研究されてきたが,空間テキストデータのための分析法はほとんどこれまで考えられてきた。これに動機付けられて,本論文では,大規模空間テキストデータに特化したk-平均に基づくクラスタリングアルゴリズムを提案した。k-平均アルゴリズムの長所の一つは,その効率とスケーラビリティである,大規模データのための適切であることを示唆した。しかし,空間テキストデータに垂直なk-平均アルゴリズムを適用するための挑戦的な課題である,各空間テキスト対象は非数値属性,すなわち,テキスト次元,数値属性,すなわち,空間次元を有していた。ランダム対物体の間の期待距離を用いるよりもむしろ各クラスタの実際の重心を構築することにより,この問題に取り組んだ。実験結果に基づいて,このアルゴリズムのクラスタリング品質である空間テキストデータを処理することができることを他のk分割アルゴリズムのそれに匹敵し,その効率は競合する方法より優れていることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *アルゴリズム ,  重心 ,  類似性 ,  品質 ,  *クラスタ ,  *クラスタ化
準シソーラス用語： 大規模データ ,  クラスタリングアルゴリズム ,  *テキスト ,  *テキストデータ , 【Automatic Indexing@JST】

著者キーワード (6件)： K空間テキストの類似性 ,  K-meansクラスタリング ,  K medoidsクラスタリング ,  Kプロトタイプクラスタリング ,  期待される距離 ,  グリッド分配

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 大規模 ,  テキストデータ ,  クラスタ化 ,  アルゴリズム