Ứng dụng thuật toán k-láng giềng gần nhất trong phân loại văn bản tin tức theo chủ đề
Luận văn · Thạc sĩ · năm 2018 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Công nghệ thông tin — Kỹ thuật |
| Tác giả | Lê Quang Hòa |
| Người hướng dẫn | Ninh Khánh Duy |
| Cơ sở đào tạo | Trường Đại học Bách khoa, Đại học Đà Nẵng |
| Năm | 2018 |
| Nguồn | Thư viện số Trường Đại học Bách khoa, Đại học Đà Nẵng · trang gốc |
Tóm tắt
Việc phân loại văn bản theo chủ đề đã có nhiều trên thế giới và ở Việt Nam. Qua việc phân loại văn bản có thể nắm bắt được xu thế xã hội ở các website và ở cộng đồng mạng. Việc phân loại này có thể giúp được chúng ta có thể ra các quyết định, các chính sách hay các hành động phù hợp để thích ứng với xã hội hiện nay, khi mà sự vận động của xã hội thay đổi không ngừng, đặc biệt là trong thời kỳ cách mạng công nghiệp 4.0. Thuật toán phân loại văn bản bằng KNN là một trong những thuật toán để bổ trợ cho chúng ta thực hiện mục đích trên. Với KNN, ta có thể tận dụng được các ưu điểm của thuật toán nhằm công sức, tận dụng được sức mạnh của máy móc cũng như giảm được thời gian khi chúng ta thực hiện phân loại văn bản. Trong bài luận văn, tôi nêu các lý thuyết liên quan đến thuật toán, cách áp dụng trong việc phân loại văn bản sử dụng ngôn ngữ Python. Qua đó, đưa ra các kết quả đánh giá khi áp dụng thuật toán này trong thực tế.
Bản toàn văn lưu tại thư viện Trường Đại học Bách khoa, Đại học Đà Nẵng
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Ứng dụng Seantic Web để xây dựng hệ thống tra cứu hiện vật tại bảo tàng Đà nẵng
- Ứng dụng thuật toán nhận dạng khuôn mặt phục vụ công việc điểm danh lớp học ở trường THPT Đồng Hới
- Ứng dụng Robotium để kiểm thử các chương trình trên Android
- Nghiên cứu ứng dụng mạng nơ-ron hồi quy trong phân loại tin giả tiếng việt
- Nghiên cứu và triển khai cơ chế định tuyến liên miền trong mạng SDN
- Ứng dụng phân tích lớp tiềm ẩn xây dựng hệ thống trắc nghiệp thích nghi
- Sử dụng phương pháp deep learning trong nhận dạng dữ liệu y tế
- Ứng dụng xử lí ảnh và học máy nhận dạng hành động của người trung niên thông qua trích xuất bản đồ màu sắc từ cảm biến camera độ sâu
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.