జర్నల్ ఆఫ్ ఇన్ఫర్మేషన్ టెక్నాలజీ & సాఫ్ట్వేర్ ఇంజనీరింగ్

జర్నల్ ఆఫ్ ఇన్ఫర్మేషన్ టెక్నాలజీ & సాఫ్ట్వేర్ ఇంజనీరింగ్
అందరికి ప్రవేశం

ISSN: 2165- 7866

నైరూప్య

అఫాన్ ఒరోమో సెన్స్ క్లస్టరింగ్ ఇన్ హైరార్కికల్ మరియు పార్టిషనల్ టెక్నిక్స్

Workineh Tesema

ఈ కాగితం అఫాన్ ఒరోమోలో బహుళ-సెన్స్ పదాల సెన్స్ క్లస్టరింగ్‌ను అందిస్తుంది. ఈ పని యొక్క ప్రధాన ఆలోచన ఏమిటంటే, అర్థ సంబంధిత భావాలను కనుగొనడానికి ఉపయోగకరమైన మార్గాన్ని అందించే సందర్భాలను క్లస్టర్ చేయడం. లక్ష్య పదం యొక్క ఇచ్చిన భావాల యొక్క సారూప్య సందర్భాలు మూడు క్రమానుగత మరియు రెండు విభజన క్లస్టరింగ్‌ను ఉపయోగించి క్లస్టర్ చేయబడ్డాయి. సంబంధిత ఇంద్రియాల యొక్క అన్ని సందర్భాలు క్లస్టరింగ్‌లో చేర్చబడ్డాయి మరియు తద్వారా కార్పస్‌లోని అన్ని సందర్భాలపై ప్రదర్శించబడతాయి. అంతర్లీన పరికల్పన ఏమిటంటే, క్లస్టరింగ్ సందర్భాల మధ్య ప్రతిబింబించే ఐక్యతను సంగ్రహిస్తుంది మరియు ప్రతి క్లస్టర్ సందర్భాల మధ్య ఉన్న సాధ్యమైన సంబంధాలను వెల్లడిస్తుంది. ప్రయోగం చూపినట్లుగా, మొత్తం ఐదు క్లస్టర్‌ల నుండి, EM మరియు K-మీన్స్ క్లస్టర్‌లు క్రమానుగత (సింగిల్ క్లస్టరింగ్, పూర్తి క్లస్టరింగ్ మరియు సగటు క్లస్టరింగ్) ఫలితాల కంటే గణనీయంగా ఎక్కువ ఖచ్చితత్వాన్ని ఇస్తాయి. అఫాన్ ఒరోమో కోసం, EM మరియు K-అంటే క్రమానుగత క్లస్టరింగ్ అల్గారిథమ్‌ల కంటే సెన్స్ క్లస్టరింగ్ యొక్క ఖచ్చితత్వాన్ని మెరుగుపరుస్తుంది. ప్రతి క్లస్టర్ ఒక ప్రత్యేక భావాన్ని సూచిస్తుంది. కొన్ని పదాలకు పంచేంద్రియాలకు రెండు భావాలు ఉంటాయి. ఫలితం చూపినట్లుగా, పరీక్ష సెట్ యొక్క సగటు ఖచ్చితత్వం 85.5%, ఇది పర్యవేక్షించబడని మెషిన్ లెర్నింగ్ పనితో ప్రోత్సాహకరంగా ఉంది. ఈ విధానాన్ని ఉపయోగించడం ద్వారా, సరైన సంఖ్యలో సమూహాలను కనుగొనడం ఇంద్రియాల సంఖ్యను కనుగొనడానికి సమానం. తక్కువ వనరుల అవసరం ఉన్నప్పటికీ, సాధించిన ఫలితం ప్రోత్సాహకరంగా ఉంది.

నిరాకరణ: ఈ సారాంశం కృత్రిమ మేధస్సు సాధనాలను ఉపయోగించి అనువదించబడింది మరియు ఇంకా సమీక్షించబడలేదు లేదా ధృవీకరించబడలేదు.
Top