Найти

Результаты поиска

• АЛГОРИТМЫ АГЛОМЕРАТИВНОЙ КЛАСТЕРИЗАЦИИ ПРИМЕНИТЕЛЬНО К ЗАДАЧАМ АНАЛИЗА ЛИНГВИСТИЧЕСКОЙ ЭКСПЕРТНОЙ ИНФОРМАЦИИ

  Ф. С. Булыга , В.М. Курейчик

  2022-01-31

  Аннотация ▼

  Рассмотрены и представлены основные проблемы и принципы функционирования
  процесса кластеризации данных, в частности принципы и задачи кластеризации тексто-
  вых массивов лингвистической экспертной информации. В ходе выполнения данной работы
  были обозначены основные трудности возникающие при проектировании подобного рода
  систем, например: необходимость предварительной обработки данных, сокращение раз-
  мерности исходной выборки и т.п. Для эффективного выполнения представленных задач
  реализованное решение должно обладать комплексным подходом учитывающим показате-
  ли эффективности методов направленных на решение отдельных подзадач, а также спо-
  собностью обеспечить высокие показатели эффективности реализации каждого этапа
  процесса кластеризации. В представленной работе рассматриваются различные группы
  алгоритмов иерархической кластеризации, в частности была рассмотрена подгруппа ал-
  горитмов агломеративной кластеризации применительно к задачам кластеризации лин-
  гвистической экспертной информации. В описываемой работе приведена формальная по-
  становка задачи кластеризации текстов, а также определена основная группа реализо-
  ванных решений основанных на принципах агломеративной кластеризации: ROCK, CURE,
  CHAMELEON. Проведен детальный обзор каждого из представленных алгоритмов, а
  также сформулированы основные достоинства и недостатки каждого из них. Преимуще-
  ством данной работы можно считать совокупность представленных данных об алгорит-
  мах, а также результаты сравнительного анализа, позволяющие в дальнейшем оценить
  целесообразность и потенциальную вероятность применения указанных решения из пред-
  ставленной группы алгоритмов агломеративной кластеризации. Новизна данной работы
  заключается в формировании обзорного анализа существующих подходов в области иерар-
  хической кластеризации для решения задач кластерного анализа лингвистической эксперт-
  ной информации, а также формирование результатов проведенного сравнительного ана-
  лиза рассмотренных алгоритмов