เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การจัดกลุ่มเอกสาร× | ความคล้ายคลึงทางความหมาย× | |
|---|---|---|
| สาขาวิชา | การทำเหมืองข้อความ | การทำเหมืองข้อความ |
| ตระกูล | Process / pipeline | Process / pipeline |
| ปีกำเนิด≠ | — | 2019 |
| ผู้ริเริ่ม≠ | — | Nils Reimers & Iryna Gurevych (Sentence-BERT) |
| ประเภท≠ | Unsupervised text-mining task | NLP text-comparison task |
| แหล่งต้นตำรับ≠ | 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 ↗ |
| ชื่อเรียกอื่น | text clustering, unsupervised text grouping, Belge Kümeleme (Document Clustering) | semantic textual similarity, text similarity, Anlamsal Benzerlik Analizi |
| ที่เกี่ยวข้อง | 4 | 4 |
| สรุป≠ | 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. |
| ScholarGateชุดข้อมูล ↗ |
|
|