國立高雄大學圖資館 |

語系: 繁體中文

說明(常見問題)

圖資館首頁

登入

回首頁

切換: 標籤 | MARC模式 | ISBD

主題導向式自我組織圖之研究 = Research on Topic Or...

國立高雄大學資訊管理學系碩士班

主題導向式自我組織圖之研究 = Research on Topic Oriented Self-organizing Map

紀錄類型:	書目-語言資料,印刷品 : 單行本
並列題名:	Research on Topic Oriented Self-organizing Map
作者:	柯國隆,
其他團體作者:	國立高雄大學
出版地:	[高雄市]
出版者:	撰者;
出版年:	民99[2010]
面頁冊數:	75面圖，表 : 30公分;
標題:	類神經網路
標題:	document clusters
電子資源:	http://handle.ncl.edu.tw/11296/ndltd/43802539909547272603
摘要註:	人類常在接受到許多未知或未清楚定義之事物時，會自然而然的將相似的事物聚為一類。類神經網路一直以來常被用來模擬人腦之運作，其中自我組織圖為最被廣泛使用之模式，其主要用以模擬人類腦中之物以類聚之模式。雖然我們可以將相似的事物歸為一類，但卻不能立即得知該群聚中所蘊藏之內隱知識，須對該群集進行充分的解析才能給予適當的主題名稱作為代表。本文描述如何從一堆文件資料中發掘更多內隱知識之方法。在本研究中，我們發展一適用於文件資料之可調性自我組織圖模型，即主題導向式自我組織圖，來將文件資料進行分群並建立階層結構。本模式與傳統自我組織圖主要的不同是依各群集之主題來進行自我組織圖之橫向擴展與縱向階層建立。如此建立之結構將可以更深入了解該文件集之內涵。我們使用路透社文件集(Reuter-21578)來建構實驗以發掘文件間之內隱知識。本研究實驗顯示我們的方法可以對文字文件發展出符合其內涵之文件結構。 Text document clustering is a basic operation of text processing and is widely applied in data visualization, theme identification, text summarization, hierarchy generation, etc. However, it will be inconvenient for users to find a document after clustering without proper labeling of topics. Moreover, there exist hierarchical relationships between document clusters. In this work, we will propose an adaptive self-organizing map model, namely the topic-oriented self-organizing map (TOSOM), that can adaptively expand the map laterally and hierarchically according to the topics of clusters, rather than the data distributions used in traditional adaptive self-organizing maps such as growing hierarchical self-organizing map (GHSOM). We conducted experiments on the Reuters-21578 dataset and obtained promising result.

主題導向式自我組織圖之研究 = Research on Topic Oriented Self-organizing Map
柯, 國隆

主題導向式自我組織圖之研究 = Research on Topic Oriented Self-organizing Map / 柯國隆撰 - [高雄市] : 撰者, 民99[2010]. - 75面 ; 圖，表 ; 30公分.
參考書目：面.
類神經網路document clusters

主題導向式自我組織圖之研究 = Research on Topic Oriented Self-organizing Map
LDR:03050nam0a2200277 450 001 272989
005 20170214090812.0
009 272989
010 0 $b 精裝
010 0 $b 平裝
100 $a 20170214y2010 k y0chiy05 e
101 1 $a chi $d chi $d eng
102 $a tw
105 $a ak am 000yy
200 1 $a 主題導向式自我組織圖之研究 $d Research on Topic Oriented Self-organizing Map $f 柯國隆撰
210 $a [高雄市] $c 撰者 $d 民99[2010]
215 0 $a 75面 $c 圖，表 $d 30公分
314 $a 指導教授：楊新章博士
320 $a 參考書目：面
328 $a 碩士論文--國立高雄大學資訊管理學系碩士班
330 $a 人類常在接受到許多未知或未清楚定義之事物時，會自然而然的將相似的事物聚為一類。類神經網路一直以來常被用來模擬人腦之運作，其中自我組織圖為最被廣泛使用之模式，其主要用以模擬人類腦中之物以類聚之模式。雖然我們可以將相似的事物歸為一類，但卻不能立即得知該群聚中所蘊藏之內隱知識，須對該群集進行充分的解析才能給予適當的主題名稱作為代表。本文描述如何從一堆文件資料中發掘更多內隱知識之方法。在本研究中，我們發展一適用於文件資料之可調性自我組織圖模型，即主題導向式自我組織圖，來將文件資料進行分群並建立階層結構。本模式與傳統自我組織圖主要的不同是依各群集之主題來進行自我組織圖之橫向擴展與縱向階層建立。如此建立之結構將可以更深入了解該文件集之內涵。我們使用路透社文件集(Reuter-21578)來建構實驗以發掘文件間之內隱知識。本研究實驗顯示我們的方法可以對文字文件發展出符合其內涵之文件結構。 Text document clustering is a basic operation of text processing and is widely applied in data visualization, theme identification, text summarization, hierarchy generation, etc. However, it will be inconvenient for users to find a document after clustering without proper labeling of topics. Moreover, there exist hierarchical relationships between document clusters. In this work, we will propose an adaptive self-organizing map model, namely the topic-oriented self-organizing map (TOSOM), that can adaptively expand the map laterally and hierarchically according to the topics of clusters, rather than the data distributions used in traditional adaptive self-organizing maps such as growing hierarchical self-organizing map (GHSOM). We conducted experiments on the Reuters-21578 dataset and obtained promising result.
510 1 $a Research on Topic Oriented Self-organizing Map
610 0 $a 類神經網路 $a 文件分群 $a 自我組織圖
610 1 $a document clusters $a topic-oriented self-organizing map $a growing hierarchical self-organizing map $a Reuters-21578
681 $a 008M/0019 $b 464105 4167 $v 2007年版
700 1 $a 柯 $b 國隆 $4 撰 $3 483137
712 0 2 $a 國立高雄大學 $b 資訊管理學系碩士班 $3 353936
801 0 $a tw $b 國立高雄大學 $c 20101227 $g CCR
856 7 $z 電子資源 $2 http $u http://handle.ncl.edu.tw/11296/ndltd/43802539909547272603