⭐️رابطه مجموعه داده و دقت طبقه بندی در متن کاوی

همانطور که میدانید تمام روشهای متن کاوی برای اثبات کارایی روشهای خود مجموعه داده یا دیتاستی را برای ارزیابی استفاده می کننددر علوم متن کاوی دیتاست یا مجموعه داده اهمیت فراوانی دارد . بسیاری از روشها مخصوص مجموعه داده ها طراحی می شوند. روشی که برای متن کاوی بر روی نظرات منتشر شده در فروم طراحی شده است با روشی که برای متن کاوی بر روی نظرات پنهان در توییت ها طراحی شده است کاملا متفاوت است. دلایل این موضوع وابستگی شدید روش ها و مجموعه داده هاست. زیرا مجموعه داده ها ویژگی های مخصوص به خود دارند و برای رسیدن به نتیجه مطلوب باید با توجه به ویژگی های مجموعه داده عمل کرد. مثلا مجموعه داده های توییت دارای ویژگی های منحصر به فردی است توییت ها دارای غلط های املایی فراوان و ترکیب جملاتی ناقص هستند ولی این موضوع درباره مجموعه داده کالا یا فیلم صادق نیست. یک جمله در اخبار روزنامه ها و مطبوعات هر چقدر ساخت یافته و منظم است یک توییت بدون ساخت یافته و ناقص است. به همین دلیل ساختاری روشهایی که باید بر روی این دو کار کنند متفاوت خواهد بود. با توجه به این مطالب باید در مقایسه نتایج بدست آمده در روشهای ارائه شده در متن کاوی دقت بیشتری به خرج داد ممکن است در مقاله ای روشی بر روی دو هزار سند با دقت 90 درصد کار کند و در مقاله ای دیگر روش دیگری بر روی یک هزار سند دیگر آزمایش شود. مقایسه دقت این روش ها چقدر دقیق است؟
به همین دلیل منطقی به نظر می رسد باید روشهایی را که برروی دیتاست های مشترک اعمال شده اند قابل مقایسه در نظر گرفت.
#TextMining #Text_Mining #TM
@Computer_IT_Engineering

معلم عزیز بی انصافیست که تو را به شمع تشبیه کنم زیرا شمع را می سازند تا بسوزد اما تو می سوزی تا بسازی، با سپاس و عرض تبریک فراوان
@Computer_IT_Engineering

فیلم های آموزش داده کاوی با سرفصل زیر به زودی در کانال قرار میگیرند
Data mining prerequisites
Algorithm prerequisites
Software prerequisites
Goals of data reduction
Data for data reduction
Data reduction in R
Data reduction in Python
Data reduction in Orange
Data reduction in RapidMiner
Clustering goals
Clustering data
Clustering in R
Clustering in BigML
Clustering in Python
Clustering in Orange
Classification goals
Classification data
Classification in R
Classification in Python
Classification in RapidMiner
Classification in KNIME
Anomaly detection goals
Anomaly detection data
Anomaly detection in R
Anomaly detection in Python
Anomaly detection in BigML
Anomaly detection in RapidMiner
Association analysis goals
Association analysis data
Association analysis in R
Association analysis in Python
Association analysis in Orange
Association analysis in KNIME
Regression analysis goals
Regression analysis data
Regression analysis in R
Regression analysis in Python
Regression analysis in KNIME
Regression analysis in RapidMiner
Sequence mining goals
Sequence mining algorithms
Sequence mining in R
Sequence mining in Python
Sequence mining in BigML
Text mining goals
Text mining algorithms
Text mining in R
Text mining in Python
Text mining in RapidMiner
#داده_کاوی #متن_کاوی #طبقه_بندی #خوشه_بندی #پایتون #رپیدماینر
#TextMining #DataMining #Classification #Clustering #Python #BigML #RapidMiner
@Computer_IT_Engineering

فیلمهای آموزشی داده کاوی (انگلیسی)
#ویدئو #داده_کاوی #متن_کاوی #طبقه_بندی #خوشه_بندی #رپیدماینر
#Video #DataMining #TextMining #Classification #Clustering #Python #RapidMiner
@Computer_IT_Engineering

دو ویدئو آموزش متن کاوی با استفاده از نرم افزار وکا (انگلیسی)
#ویدئو #فیلم #متن_کاوی #وکا
#Video #TextMining #Weka #WEKA
@Computer_IT_Engineering

ده مقاله در ارتباط با حریم خصوصی و امنیت در اینترنت خودروها (انگلیسی)
#مقاله #اینترنت_خودروها #امنیت #حریم_خصوصی
#Interner_of_Vehicles #IOV #Security #Privacy
@Computer_IT_Engineering

مقاله "چالش ها و استراتژی های ایجاد انگیزه در پرسنل تست نرم افزار" (انگلیسی) 38 صفحه، سال 2016
#مقاله #تست_نرم_افزار
#Software_Testing #SoftwareTesting
@Computer_IT_Engineering

مقاله مرور بر ادبیات پیشین در تست نرم افزار (انگلیسی) 32 صفحه، سال 2016
#مقاله #تست_نرم_افزار
#Software_Testing #SoftwareTesting
@Computer_IT_Engineering

سی مقاله در ارتباط با مجازی سازی توابع شبکه و در زمینه های مختلف (انگلیسی) سال 2016 و به بعد
#مقاله #مجازی_سازی_توابع_شبکه
#NFV #Network_Functions_Virtualization #SDN
@Computer_IT_Engineering

ارائه "سیستم های خود تطبیق" (فارسی)
#اسلاید #ارائه #سیستم_خود_تطبیق
#Slides #Self_adaptive_Systems #SaS
@Computer_IT_Engineering

ارائه "معماری سرویس گرا SOA" (فارسی)
#اسلاید #ارائه #معماری_سرویس_گرا
#Slides #Service_Oriented_Architecture #SOA
@Computer_IT_Engineering

ارائه "پایگاه داده mySQL" (فارسی)
#اسلاید #ارائه #پایگاه_داده
#Slides #MySQL
@Computer_IT_Engineering

ارائه "Cuda" (انگلیسی)
#اسلاید #ارائه #کودا
#Slides #Cuda
@Computer_IT_Engineering

مقاله "امضاء الکترونیکی" (فارسی) 48 صفحه
#مقاله #امضا_الکترونیکی
#ElectronicSignatures #Electronic_Signatures
@Computer_IT_Engineering

#تاریخچه #پیشبینی
#History #Prediction
@Computer_IT_Engineering

توضیح عکس بالا
The first commercial application of computer is in 1950's. Used to predict the 1952 presidential election. And predicted correctly!
اولین نرم افزار تجاری در سال ۱۹۵۰ بوجود آمد که برای پیش بینی انتخابات ریاست جمهوری سال ۱۹۵۲ استفاده شد و نتیجه را به درستی پیش بینی کرد!
#تاریخچه #پیشبینی
#History #Prediction
@Computer_IT_Engineering

#تاریخچه #اینتل #آرپانت
#History #intel #hp #arpanet
@Computer_IT_Engineering

In the 1960s was enter in the computer industry the companies like intel and HP. US Army was developed Arpanet.
دهه ۱۹۶۰ دهه وارد شدن شرکت های مثل اینتل و HP به صنعت کامپیوتر بود، همچنین ارتش آمریکا آرپانت رو توسعه داد.
#تاریخچه #اینتل #آرپانت
#History #intel #hp #arpanet
@Computer_IT_Engineering

#تاریخچه #بیل_گیتس #استیو_جابز #مایکروسافت #اپل #کمودور
#History #Apple #Microsoft #Billgates #SteveJobs #commodore
@Computer_IT_Engineering