دانشگاه علامه طباطبایی

  اخبار و اعلانات

 آمار

تعداد نشریات61
تعداد شماره‌ها2,213
تعداد مقالات18,002
تعداد مشاهده مقاله55,464,842
تعداد دریافت فایل اصل مقاله28,952,973
شعار, مریم, سالارنژاد, علی‌اصغر. (1397). روشی جدید برای خوشه‌بندی اسناد HTML با استفاده از الگوریتم‌های تلفیقی. سامانه مدیریت نشریات علمی, 6(24), 37-62. doi: 10.22054/ims.2018.8891
مریم شعار; علی‌اصغر سالارنژاد. "روشی جدید برای خوشه‌بندی اسناد HTML با استفاده از الگوریتم‌های تلفیقی". سامانه مدیریت نشریات علمی, 6, 24, 1397, 37-62. doi: 10.22054/ims.2018.8891
شعار, مریم, سالارنژاد, علی‌اصغر. (1397). 'روشی جدید برای خوشه‌بندی اسناد HTML با استفاده از الگوریتم‌های تلفیقی', سامانه مدیریت نشریات علمی, 6(24), pp. 37-62. doi: 10.22054/ims.2018.8891
شعار, مریم, سالارنژاد, علی‌اصغر. روشی جدید برای خوشه‌بندی اسناد HTML با استفاده از الگوریتم‌های تلفیقی. سامانه مدیریت نشریات علمی, 1397; 6(24): 37-62. doi: 10.22054/ims.2018.8891

روشی جدید برای خوشه‌بندی اسناد HTML با استفاده از الگوریتم‌های تلفیقی

مطالعات مدیریت کسب و کار هوشمند
مقاله 2، دوره 6، شماره 24، شهریور 1397، صفحه 37-62    اصل مقاله (738.27 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/ims.2018.8891
نویسندگان
مریم شعار* 1؛ علی‌اصغر سالارنژاد2
1استادیار گروه مدیریت صنعتی، دانشکده مدیریت دانشگاه آزاد اسلامی واحد تهران شمال
2کارشناسی ارشد، مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه آزاد اسلامی، واحد تهران شمال، تهران.
چکیده
 
 با عنایت به حجم بالای اطلاعات کنونی وب توجه به سیستم‌های خودکار استخراج اطلاعات بیشتر شده است. از مهم‌ترین روش‌های خودکار استخراج اطلاعات، خوشه‌بندی می‌باشد. روش‌های خوشه‌بندی زیادی تابه‌حال ارائه شده است که اکثراً مبتنی بر مدل برداری می‌باشند. در این مدل با هر سند مانند مجموعه‌ای از کلمات برخورد می‌گردد و توالی کلمات در جمله، نادیده گرفته می‌شود. ازآنجایی‌که معانی در زبان طبیعی به‌طور کامل وابسته به توالی کلمات می‌باشند نقیصه بزرگی در این روش‌ها احساس می‌گردد. برای رفع این نقیصه در این مقاله روشی جدید در خوشه‌بندی اسناد Html ارائه گردیده است که در آن الگوریتم Stc برای خوشه‌بندی Snippet ها لحاظ شده‌است. این روش که با عنوان خوشه‌بندی بر اساس جملات کلیدی Ks_Stc مطرح شده برای هر سند بردار وزن‌داری تهیه می‌کند و با استفاده از این بردار، جملات کلیدی هر متن از سند استخراج می‌گردد و نهایتاً این جملات کلیدی برای خوشه‌بندی به الگوریتم Stc داده می‌شود.
 
کلیدواژه‌ها
افزونگی اطلاعات؛ خوشه‌بندی اسناد Html؛ داده‌کاوی؛ سیستم‌های استخراج اطلاعات؛ کلاس‌بندی.  
مراجع

Anon., n.d. Html Document Set. [Online]
Available at: http://www.pedal.rdg.ac.uk/banksearchdataset [Accessed 2013]

Ashraf, F. & Zyer, T. O., 2008. Employing Clustering Techniques for Automatic Information Extraction from HTML Documents. IEEE Transactions on Syst.Man.Cyber, 38(5), pp. 660-673.

Azad, H. K. & Abhishek, K., 2014. Semantic-synaptic web mining: A novel model for improving the web mining. In Communication Systems and Network Technologies (CSNT),. s.l., s.n., pp. 454-457.

Buttler, D., Liu, L. & Pu, C., 2001. A fully automated object extraction system for the world wide web. s.l., s.n., pp. 361-370.

Crescenzi, S. V., Mecca, G., Merialdo, P. & Missier, P., 2004. An automatic data grabber for large Web sites. s.l., s.n., pp. 1321-1324.

Embley, D. W., Tao, C. & Liddle, S. W., 2005. Automating the extraction of data from HTML tables with unknown structure. Data Knowledge Engineering, 54(1), pp. 3-28.

Ferrara, E., De Meo, P., Fiumara, G. & Baumgartner, R., 2014. Web data extraction, applications and techniques: A survey.. Knowledge-Based Systems, Volume 70, pp. 301-323.

Feyzi, K., Sabet Motlagh, M. & Abedini naeini, M., 1393. Using an integrated approach of QFD, FAHP, VIKOR to select the most suitable ERP system. Journal of Management Studies Information Technology, pp. 1-20.

Gamare, P. S. & Patil, G. A., 2015. Efficient Clustering of Web Documents Using Hybrid Approach in Data Mining. s.l., IEEE.

Gulli, A. & Signorini, A., 2005. The indexable web is more than 11.5 bilion pages. s.l., s.n., pp. 902-903.

Gupta, M. & Garg, K., 2016. Attribute Weighted K-means For Document Clustering. International Research Journal of Engineering and Technology, 3(6), pp. 1583-1590.

Junjie, W., Xiong, H. & Jian, C., 2009. Towards understanding hierarchical clustering: A data distribution perspective. Neurocomputing, pp. 2319-2330.

Labsky, M., Svatek, V., Praks, P. & Svab, O., 2005. Information extraction from HTML product catalogues: Coupling quantitative and knowledge-based approaches. Dagstuhl, Germany, s.n.

Na, S., Xumin, L. & Yong, G., 2010. Research on k-means clustering algorithm: An improved k-means clustering algorithm. In Intelligent Information Technology and Security Informatics (IITSI). s.l., 2010 IEEE Third International Symposium, pp. 63-67.

Sandhya, N., Govardhan, A. & Rameshchandra, G., 2016. Concept Based Text Document Clustering with Vector Suffix Tree Document Model. International Journal of Computer Science and Information Security, 14(7), p. 259.

Shareghi, E., Petri, M., Haffari, G. & Cohn, T., 2015. Compact, Efficient and Unlimited Capacity: Language Modeling with Compressed Suffix Trees. s.l., s.n., pp. 2409-2418.

Spengler, A. & Gallinari, P., 2010. Document structure meets page layout: loopy random fields for web news content extraction. s.l., s.n., pp. 150-160.

Steinbach, M., Karypis, G. & Kumar, V., 2000. A comparison of document clustering techniques. s.l.:s.n.

Tar, H. H. & Nyunt, T. S., 2011. Ontology-based concept weighting for text documents. World Academy of Science, engineering and Technology, Volume 57, pp. 249-253.

Xiaolin, Y., Xiao, Z., Nan, K. & Fengchao, Z., 2013. An improved Single-Pass clustering algorithm internet-oriented network topic detection. s.l., Intelligent Control and Information Processing (ICICIP), pp. 560-564.

Zhuang, Y. & Chen, Y., 2015. Improving Suffix Tree Clustering Algorithm for Web Documents. s.l., IEEE.

 

 

آمار
تعداد مشاهده مقاله: 8,209
تعداد دریافت فایل اصل مقاله: 792


login