Módszerek összehasonlítása
Tekintse át a kiválasztott módszereket egymás mellett; az eltérő sorok kiemelve jelennek meg.
| Dokumentumok klaszterezése× | Kulcsszavak kinyerése× | |
|---|---|---|
| Tudományterület | Szövegbányászat | Szövegbányászat |
| Módszercsalád | Process / pipeline | Process / pipeline |
| Keletkezés éve | — | — |
| Megalkotó | — | — |
| Típus≠ | Unsupervised text-mining task | NLP text-mining task |
| Alapmű≠ | Aggarwal, C. C. & Zhai, C. (2012). Mining Text Data. Springer. ISBN: 9781461432227 | Mihalcea, R. & Tarau, P. (2004). TextRank: Bringing Order into Texts. EMNLP, 404-411. link ↗ |
| Alternatív nevek | text clustering, unsupervised text grouping, Belge Kümeleme (Document Clustering) | keyphrase extraction, key term extraction, Anahtar Kelime Çıkarma (Keyword Extraction) |
| Kapcsolódó | 4 | 4 |
| Összefoglaló≠ | Document clustering is an unsupervised text-mining task that groups documents with similar content together without using any labels. It is used to organise large collections and for exploratory analysis, drawing on the body of text-mining techniques consolidated by Aggarwal and Zhai (2012) and compared empirically by Steinbach, Karypis and Kumar (2000). | Keyword extraction is a natural-language-processing task that automatically identifies the words or phrases that best represent the content of a document. It turns a body of free text into a compact, ranked list of key terms, drawing on statistical, graph-based methods such as TextRank (Mihalcea & Tarau, 2004), or embedding-based methods such as KeyBERT (Grootendorst, 2020). |
| ScholarGateAdatkészlet ↗ |
|
|