3.2 ClusteringClustering is a branc

3.2 Clustering
Clustering is a branch of data mining discipline which aims at grouping similar data instances together into sets called clusters. To be able to devise a suitable clustering process, we need to overview relevant existing knowledge that will be necessary. Our view on the techniques must also reflect specifics of the data and environment we are about to embed the technology in. Clustering of email messages can be understood as a special case of document clustering with a lot of additional metadata taking part in the clustering process. There are also other specifics such as online nature of the clustering, the fact that the target result is a large number of relatively small clusters with need to continually detect new ones and the need for unsupervised operation of the algorithm. In following sections we will describe algorithms,data representation, distance functions and knowledge extraction principles that relate to our problem. For each link in the clustering chain, we will also analyze what features and capabilities it needs to have in our implementation and why.
3.2.1 Algorithms
There are already many algorithms for clustering and new ones are continually being devised.This is mainly because each field has specific features that customized algorithms can take advantage of. For our clustering tasks we have researched the several popular and relatively versatile clustering algorithms as they are known to perform reasonably well on document clustering tasks and some of them have advantageous features that can address some of our needs. We will describe those algorithms including their advantages or disadvantages and state whether we have chosen the algorithm for our project

Kết quả (Việt) 1:

3.2 clusteringCụm là một chi nhánh của kỷ luật khai thác mỏ dữ liệu nhằm mục đích nhóm các dữ liệu tương tự như trường hợp với nhau thành bộ gọi là cụm. Để có thể đưa ra một quá trình kết cụm phù hợp, chúng ta cần đến tổng quan kiến thức sẵn có liên quan sẽ được cần thiết. Xem của chúng tôi về kỹ thuật phải reflect chi tiết cụ thể của dữ liệu và môi trường chúng tôi là về để nhúng các công nghệ trong. Cụm các thông điệp email có thể được hiểu như là một trường hợp đặc biệt của tài liệu cụm với rất nhiều siêu dữ liệu bổ sung, tham gia vào quá trình kết cụm. Có là cũng là các chi tiết cụ thể như các bản chất trực tuyến của các cụm, thực tế là kết quả mục tiêu một số lượng lớn các cụm tương đối nhỏ với các nhu cầu để liên tục phát hiện những cái mới và sự cần thiết cho các hoạt động không có giám sát của các thuật toán. Ở phần sau, chúng tôi sẽ mô tả thuật toán, đại diện dữ liệu, khoảng cách chức năng và nguyên tắc khai thác kiến thức liên quan đến vấn đề của chúng tôi. Cho mỗi liên kết trong chuỗi kết cụm, chúng tôi cũng sẽ phân tích những gì các tính năng và khả năng nó cần phải có trong việc thực hiện của chúng tôi và tại sao.3.2.1 các thuật toánĐã là rất nhiều các thuật toán clustering và mới những người đang liên tục được nghĩ ra. Điều này chủ yếu là vì mỗi quấn có cụ thể các tính năng tùy chỉnh các thuật toán có thể tận dụng lợi thế. Cho các nhiệm vụ kết cụm của chúng tôi, chúng tôi đã nghiên cứu các một số phổ biến và tương đối linh hoạt kết cụm thuật toán như chúng được biết đến để thực hiện khá tốt trên tài liệu clustering nhiệm vụ và một số người trong số họ có thuận lợi các tính năng có thể địa chỉ một số nhu cầu của chúng tôi. Chúng tôi sẽ mô tả những thuật toán bao gồm cả lợi thế hay bất lợi và nhà nước của họ cho dù chúng tôi đã chọn thuật toán cho dự án của chúng tôi

Kết quả (Việt) 2:

3.2 Clustering
Clustering là một chi nhánh của ngành khai thác dữ liệu nhằm mục đích tại nhóm trường dữ liệu tương tự nhau thành bộ gọi là cluster. Để có thể đưa ra một quá trình phân nhóm phù hợp, chúng ta cần phải tổng quan về kiến thức hiện có liên quan đó sẽ là cần thiết. Điểm của chúng tôi về kỹ thuật cũng phải tái fl ect chi tiết cụ thể của dữ liệu và môi trường chúng ta đang sắp nhúng công nghệ trong. Clustering của thư điện tử có thể được hiểu như là một trường hợp đặc biệt của phân nhóm tài liệu với rất nhiều metadata bổ sung tham gia vào quá trình phân nhóm. Ngoài ra còn có chi tiết cụ thể khác như tính chất trực tuyến của các phân nhóm, thực tế là kết quả mục tiêu là một số lượng lớn các cụm tương đối nhỏ với nhu cầu liên tục phát hiện những cái mới và sự cần thiết cho các hoạt động không có giám sát của thuật toán. Trong phần sau, chúng tôi sẽ mô tả các thuật toán, biểu diễn dữ liệu, chức năng khoảng cách và nguyên tắc khai thác kiến thức có liên quan đến vấn đề của chúng tôi. Đối với mỗi liên kết trong chuỗi phân nhóm, chúng tôi cũng sẽ phân tích những tính năng và khả năng mà nó cần phải có trong việc thực hiện của chúng tôi và tại sao.
3.2.1 Các thuật toán
Hiện đã có nhiều thuật toán để phân nhóm và mới những người đang liên tục được devised.This chủ yếu là bởi vì mỗi fi lĩnh có tính năng cụ thể mà thuật toán tùy chỉnh có thể tận dụng. Đối với nhiệm vụ phân nhóm của chúng tôi, chúng tôi đã nghiên cứu một số thuật toán phân nhóm phổ biến và tương đối linh hoạt như họ được biết là thực hiện khá tốt các nhiệm vụ phân nhóm tài liệu và một số trong số họ có các tính năng thuận lợi mà có thể giải quyết một số nhu cầu của chúng tôi. Chúng tôi sẽ mô tả những thuật toán bao gồm cả lợi thế hay bất lợi của họ và nhà nước cho dù chúng ta đã lựa chọn các thuật toán cho dự án của chúng tôi