فایل پی دی اف کامل مقاله isi با موضوع طبقه بندی خودکار قدیمی تر متون الکترونیکی به یونیورسال طبقه بندی اعشاری PDF

توجه : این فایل به صورت فایل PDF (پی دی اف) ارائه میگردد

 فایل پی دی اف کامل مقاله isi با موضوع طبقه بندی خودکار قدیمی تر متون الکترونیکی به یونیورسال طبقه بندی اعشاری PDF دارای ۲۲ صفحه می باشد و دارای تنظیمات و فهرست کامل در PDF می باشد و آماده پرینت یا چاپ است

لطفا نگران مطالب داخل فایل نباشید، مطالب داخل صفحات بسیار عالی و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

فایل پی دی اف فایل پی دی اف کامل مقاله isi با موضوع طبقه بندی خودکار قدیمی تر متون الکترونیکی به یونیورسال طبقه بندی اعشاری PDF  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل پی دی اف کامل مقاله isi با موضوع طبقه بندی خودکار قدیمی تر متون الکترونیکی به یونیورسال طبقه بندی اعشاری PDF،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل پی دی اف کامل مقاله isi با موضوع طبقه بندی خودکار قدیمی تر متون الکترونیکی به یونیورسال طبقه بندی اعشاری PDF :

دانلود فایل پی دی اف کامل مقاله isi با موضوع طبقه بندی خودکار قدیمی تر متون الکترونیکی به یونیورسال طبقه بندی اعشاری PDF – UDC

در قالب pdf و در ۲۲ صفحه،زبان: انگلیسی، شامل:

فایل پی دی اف کامل مقاله isi با موضوع طبقه بندی خودکار قدیمی تر متون الکترونیکی به یونیورسال طبقه بندی اعشاری PDF
فهرست مطالب:
چکیده
مقدمه
مروری بر تحقیقات قبلی
روش تجزیه و تحلیل مقاله و داده ها
نتیجه گیری
منابع
Abstract
Introduction
Literature review
Method
Results
References
موضوع انگلیسی :Automatic classification of older
electronic texts into the Universal
Decimal Classification–UDC
چکیده:خلاصه
هدف – هدف از این مطالعه توسعه مدلی برای طبقه بندی خودکار متون دیجیتالی قدیمی به
طبقه بندی اعشاری جهانی (UDC)، با استفاده از روش های یادگیری ماشینی.
طراحی/روش شناسی/رویکرد – رویکرد کلی تحقیق ذاتی در طراحی تحقیقات علمی است
که مشکل تخصیص UDC متون قدیمی و دیجیتالی با توسعه یک یادگیری ماشینی برطرف می شود.
مدل طبقه بندی مجموعه ای متشکل از ۷۰۰۰۰ متون علمی که به طور کامل توسط کتابداران پردازش شده است.
برای آموزش و آزمایش مدل مورد استفاده قرار گرفت که برای طبقه بندی متون قدیمی در مجموعه ای از ۲۰۰۰۰۰ مورد استفاده شد.
کارشناسان انسانی عملکرد مدل را ارزیابی کردند.
یافته‌ها – نتایج نشان می‌دهد که مدل‌های یادگیری ماشینی می‌توانند به درستی UDC را در سطوحی برای
تقریباً هر متن علمی علاوه بر این، این مدل را می توان برای تخصیص UDC متون قدیمی تر توصیه کرد.
ده کتابدار این را در ۱۵۰ متن انتخاب شده به طور تصادفی تأیید کردند.
محدودیت ها / مفاهیم تحقیق – محدودیت های اصلی این مطالعه در دسترس نبودن برچسب ها بود
متون قدیمی تر و دسترسی محدود کتابداران.
مفاهیم عملی – مدل طبقه بندی می تواند توصیه هایی را به کتابداران در طول کار ارائه دهد
کار طبقه بندی؛ علاوه بر این، می توان آن را به عنوان یک افزونه برای جستجوی متن کامل در پایگاه داده های کتابخانه پیاده سازی کرد.
مفاهیم اجتماعی – روش پیشنهادی با توصیه طبقه‌بندی‌کننده‌های UDC از کتابداران پشتیبانی می‌کند.
بنابراین در زمان کار روزانه خود صرفه جویی می کنند. با طبقه‌بندی خودکار متون قدیمی، کتابخانه‌های دیجیتالی می‌توانند الف
تجربه کاربری بهتر با فعال کردن جستجوهای ساختاریافته. اینها به گسترش بیشتر دانش کمک می کنند
موجود و قابل استفاده
اصالت/ارزش – این یافته ها به حوزه طبقه بندی خودکار کتابشناختی کمک می کند
اطلاعات با استفاده از متون کامل، به ویژه در مواردی که متون قدیمی، بدون ساختار و
از زبان و واژگان باستانی استفاده می شود.
کلیدواژه ها کتابخانه دیجیتال هوش مصنوعی یادگیری ماشین طبقه بندی متون متون قدیمی تر جهانی
طبقه بندی اعشاری
نوع کاغذ مقاله پژوهشی