Klasteryzacja tekstu z ulepszon¿, szybk¿ propagacj¿ powinowactwa nasion: Optymalizacja oparta na nasionach

Klasteryzacja tekstu jest podstawow¿ technik¿ w eksploracji tekstu i przetwarzaniu j¿zyka naturalnego w celu organizowania du¿ych ilo¿ci nieustrukturyzowanych danych w znacz¿ce grupy. Tradycyjne algorytmy klasteryzacji cz¿sto napotykaj¿ wyzwania w zakresie skalowalno¿ci, wydajno¿ci i dok¿adno¿ci, gdy maj¿ do czynienia z wielowymiarowymi danymi tekstowymi. W niniejszej pracy zaproponowano ulepszone podej¿cie wykorzystuj¿ce Novel Fast Seeds Affinity Propagation (NFAP) w celu poprawy wydajno¿ci klastrowania. Wprowadzaj¿c zoptymalizowany wybór nasion, metoda ta przyspiesza zbie¿no¿¿, zmniejsza z¿o¿ono¿¿ obliczeniow¿ i poprawia jako¿¿ tworzenia klastrów. Wyniki eksperymentalne pokazuj¿, ¿e proponowany model osi¿ga lepsz¿ dok¿adno¿¿ i wydajno¿¿ klastrowania w porównaniu ze standardowymi metodami propagacji pokrewie¿stwa, dzi¿ki czemu nadaje si¿ do zastosowä w eksploracji tekstu na du¿¿ skal¿.