All clustering methods have toassum

All clustering methods have to
assume some cluster relationship among the data
objects that they are applied on. Similarity
between a pair of objects can be defined either
explicitly or implicitly. In this paper, we
introduce a novel multiviewpoint-based
similarity measure and two related clustering
methods. The major difference between a
traditional dissimilarity/similarity measure and
ours is that the former uses only a single
viewpoint, which is the origin, while the latter
utilizes many different viewpoints, which are
objects assumed to not be in the same cluster
with the two objects being measured. Using
multiple viewpoints, more informative
assessment of similarity could be achieved.
Theoretical analysis and empirical study are
conducted to support this claim. Two criterion
functions for document clustering are proposed
based on this new measure. We compare them
with several well-known clustering algorithms
that use other popular similarity measures on
various document collections to verify the
advantages of our proposal.

ผลลัพธ์ (ไทย) 1:

วิธีการระบบคลัสเตอร์ทั้งหมดจะต้องสมมติว่าความสัมพันธ์ระหว่างข้อมูลคลัสเตอร์บางอย่างวัตถุที่ใช้ใน ความคล้ายคลึงกันระหว่างคู่ของวัตถุสามารถกำหนดอย่างใดอย่างหนึ่งอย่างชัดเจน หรือนัย ในเอกสารนี้ เราแนะนำนวนิยายตาม multiviewpointวัดความคล้ายคลึงกันและสองเกี่ยวกับคลัสเตอร์วิธี ความแตกต่างที่สำคัญระหว่างวัด dissimilarity คล้ายแบบดั้งเดิม และเราอยู่ที่เดิมใช้เดียวเท่านั้นจุดชมวิว ซึ่งเป็นจุดเริ่มต้น ในขณะที่หลังใช้มุมมองแตกต่างกันมาก ซึ่งเป็นวัตถุที่ถือว่าไม่อยู่ในคลัสเตอร์เดียวกันกับวัตถุสองวัด โดยใช้มุมมองหลาย ข้อมูลเพิ่มเติมประเมินของความคล้ายคลึงกันไม่ได้วิเคราะห์ทฤษฎีและผลการศึกษาดำเนินการสนับสนุนการเรียกร้องนี้ เกณฑ์ที่สองฟังก์ชันสำหรับคลัสเตอร์เอกสารเสนอตามวัดใหม่นี้ เราเปรียบเทียบด้วยรู้จักคลัสเตอร์อัลกอริทึมที่ใช้มาตรการอื่นคล้ายนิยมคอลเลกชันการตรวจสอบเอกสารต่าง ๆข้อดีของข้อเสนอของเรา

ผลลัพธ์ (ไทย) 2:

วิธีการจัดกลุ่มทั้งหมดจะต้อง
ถือว่าความสัมพันธ์คลัสเตอร์บางระหว่างข้อมูล
วัตถุที่พวกเขาจะนำมาใช้ใน ความคล้ายคลึงกัน
ระหว่างคู่ของวัตถุที่สามารถกำหนดได้อย่างใดอย่างหนึ่ง
อย่างชัดเจนหรือโดยปริยาย ในบทความนี้เรา
แนะนำ multiviewpoint ตามนวนิยาย
วัดความคล้ายคลึงกันและสองการจัดกลุ่มที่เกี่ยวข้องกับ
วิธีการ ความแตกต่างที่สำคัญระหว่าง
ความแตกต่างแบบดั้งเดิม / วัดความคล้ายคลึงกันและ
เราก็คือว่าในอดีตการใช้งานเพียงคนเดียว
จุดชมวิวซึ่งเป็นจุดเริ่มต้นในขณะที่หลัง
ใช้มุมมองที่แตกต่างกันซึ่งเป็น
วัตถุที่สันนิษฐานว่าจะไม่อยู่ในกลุ่มเดียวกัน
กับวัตถุทั้งสอง ถูกวัด การใช้
มุมมองที่หลายข้อมูลเพิ่มเติม
การประเมินความคล้ายคลึงกันจะประสบความสำเร็จ.
การวิเคราะห์เชิงทฤษฎีและการศึกษาเชิงประจักษ์ได้รับการ
ดำเนินการเพื่อสนับสนุนการเรียกร้องนี้ สองเกณฑ์
ฟังก์ชั่นสำหรับการจัดกลุ่มเอกสารที่มีการเสนอ
ขึ้นอยู่กับมาตรการใหม่นี้ เราเปรียบเทียบ
กับหลาย ๆ ที่รู้จักกันดีขั้นตอนวิธีการจัดกลุ่ม
ที่ใช้มาตรการที่คล้ายคลึงกันที่เป็นที่นิยมอื่น ๆ ใน
คอลเลกชันเอกสารต่างๆในการตรวจสอบ
ข้อได้เปรียบของข้อเสนอของเรา

ผลลัพธ์ (ไทย) 3:

ทั้งหมด วิธีการ สำหรับ

ถือว่าบางกลุ่ม ความสัมพันธ์ระหว่างข้อมูล
วัตถุที่พวกเขาจะใช้ใน ความเหมือน
ระหว่างคู่ของวัตถุสามารถกำหนดให้
โดยชัดแจ้งหรือโดยปริยาย ในบทความนี้เราขอแนะนำนิยาย

multiviewpoint ความเหมือน และมาตรการที่เกี่ยวข้องในการจัดกลุ่ม
2 วิธี แตกต่างที่สำคัญระหว่างความแตกต่างและความเหมือนแบบวัด /

ทั้งหมด วิธีการ สำหรับ

ถือว่าบางกลุ่ม ความสัมพันธ์ระหว่างข้อมูล
วัตถุที่พวกเขาจะใช้ใน ความเหมือน
ระหว่างคู่ของวัตถุสามารถกำหนดให้
โดยชัดแจ้งหรือโดยปริยาย ในบทความนี้เราขอแนะนำนิยาย

multiviewpoint ความเหมือน และมาตรการที่เกี่ยวข้องในการจัดกลุ่ม
2 วิธี แตกต่างที่สำคัญระหว่างความแตกต่างและความเหมือนแบบวัด /

พวกเราคืออดีตที่ใช้เพียงครั้งเดียว
มุมมองซึ่งเป็นที่กำเนิด ในขณะที่หลัง
ใช้มุมมองที่แตกต่างกันมาก ซึ่งเป็นวัตถุที่ถือว่าไม่เป็น

ในกลุ่มเดียวกันกับสองวัตถุที่ถูกวัด การใช้มุมมองการประเมินข้อมูล

หลายมากขึ้น ความเหมือนสามารถได้รับการวิเคราะห์ทางทฤษฎีและการศึกษาเชิงประจักษ์เป็น

มีวัตถุประสงค์เพื่อสนับสนุนการเรียกร้องนี้สองฟังก์ชันเกณฑ์ในการจัดกลุ่มเอกสารเสนอ

ตามมาตรการใหม่นี้ เราเปรียบเทียบกับหลาย ๆที่รู้จักกันดีขั้นตอนวิธีการจัดกลุ่ม

ที่ใช้มาตรการอื่นที่คล้ายคลึงกันที่นิยมในคอลเลกชันเอกสารต่างๆ เพื่อยืนยัน

ข้อดีของข้อเสนอของเรา