Módszerek összehasonlítása
Tekintse át a kiválasztott módszereket egymás mellett; az eltérő sorok kiemelve jelennek meg.
| Dokumentumok klaszterezése× | Szemantikai hasonlóság× | |
|---|---|---|
| Tudományterület | Szövegbányászat | Szövegbányászat |
| Módszercsalád | Process / pipeline | Process / pipeline |
| Keletkezés éve≠ | — | 2019 |
| Megalkotó≠ | — | Nils Reimers & Iryna Gurevych (Sentence-BERT) |
| Típus≠ | Unsupervised text-mining task | NLP text-comparison task |
| Alapmű≠ | Aggarwal, C. C. & Zhai, C. (2012). Mining Text Data. Springer. ISBN: 9781461432227 | Reimers, N. & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. EMNLP. link ↗ |
| Alternatív nevek | text clustering, unsupervised text grouping, Belge Kümeleme (Document Clustering) | semantic textual similarity, text similarity, Anlamsal Benzerlik Analizi |
| 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). | Semantic similarity analysis measures how close in meaning two texts are, rather than how many words they share on the surface. Building on the Sentence-BERT work of Reimers and Gurevych (2019), it represents each text as a vector and compares those vectors so that paraphrases score high even when their wording differs. |
| ScholarGateAdatkészlet ↗ |
|
|