the clustering algorithm for proces

the clustering algorithm for processing. The distance function further passes the new instance to text analysis sub component. When a clustering algorithm calls distance function, similarity of selected mail item features is evaluated and also a mail body text similarity is calculated. These several scores are then merged into a distance value that is returned to the clustering algorithm. Text analysis subcomponent processes mail body text of new instances and updates it's internal data structures that store relevance of individual words. When a distance function is asked to calculate similarity, text analysis performs similarity comparison of the two mail instances texts and calculates text similarity score using known text clustering formulas.
3.1.3 Data structures
Specialized data structures are necessary to store all data used in the whole clustering process . Except simple lists used to store existing clusters and data instance, dictionaries are used for pre calculated text analysis data and two-dimensional dictionaries are used to store distance values between individual instances and clusters. Although lists and one-dimensional dictionaries exist in the target environment for in-memory operation, they had to be implemented as layers over a relational database used to persist the data. Two-dimensional dictionary had to be implemented for both, in-memory and database operation. As these data structures are heavily utilized during the clustering process, they need to be highly optimized as well as the underlying database schema

Kết quả (Việt) 1:

Các thuật toán kết cụm để xử lý. Hàm khoảng cách xa hơn qua ví dụ mới để văn bản phân tích thành phần phụ. Khi một thuật toán kết cụm gọi hàm khoảng cách, sự giống nhau của các lựa chọn thư mục tính năng được đánh giá và cũng một thư cơ thể văn bản tương tự được tính. Những điểm một số sau đó được sáp nhập vào một giá trị khoảng cách là quay trở lại các thuật toán kết cụm. Quy trình subcomponent phân tích văn bản thư văn bản cơ thể của phiên bản mới và cập nhật nó là cấu trúc nội bộ dữ liệu lưu trữ liên quan của cá nhân từ. Khi hàm khoảng cách yêu cầu tính toán tương tự, phân tích văn bản thực hiện tương tự so sánh hai thư trường hợp văn bản và văn bản tương tự được điểm bằng cách sử dụng văn bản được biết đến kết cụm công thức tính toán.3.1.3 cấu trúc dữ liệuCấu trúc dữ liệu chuyên ngành là cần thiết để lưu trữ tất cả dữ liệu được sử dụng trong toàn bộ cụm quá trình. Ngoại trừ danh sách đơn giản được sử dụng để lưu trữ các cụm hiện có và trường hợp dữ liệu, từ điển được sử dụng cho dữ liệu phân tích văn bản trước khi tính toán và hai chiều từ điển được sử dụng để lưu trữ các giá trị khoảng cách giữa các trường hợp cá nhân và cụm. Mặc dù danh sách và chiều từ điển tồn tại trong môi trường mục tiêu cho hoạt động trong bộ nhớ, họ phải được thực hiện như là lớp trên một cơ sở dữ liệu quan hệ được sử dụng để tồn tại các dữ liệu. Hai chiều từ điển đã được thực hiện cho cả hai, hoạt động trong bộ nhớ và cơ sở dữ liệu. Như các cấu trúc dữ liệu được sử dụng rất nhiều trong quá trình kết cụm, họ cần phải được đánh giá cao tối ưu hóa cũng như lược đồ cơ sở dữ liệu cơ bản

Kết quả (Việt) 2:

các thuật toán phân nhóm để xử lý. Các chức năng khoảng cách xa hơn qua các trường hợp mới cho thành phần phân tích văn bản phụ. Khi một thuật toán phân nhóm gọi hàm từ xa, tương tự tính năng mục tử được chọn sẽ được đánh giá và cũng là một email văn bản cơ thể giống nhau được tính toán. Những vài điểm sau đó được sáp nhập vào một giá trị khoảng cách đó được trả lại cho các thuật toán clustering. Văn bản phân tích tiểu hợp phần xử lý văn bản email cơ thể của các trường hợp mới và cập nhật nó là cấu trúc dữ liệu nội bộ lưu trữ phù hợp của những từ riêng lẻ. Khi một hàm khoảng cách được yêu cầu tính toán tương tự, phân tích văn bản thực hiện so sánh sự giống nhau của hai tử trường hợp văn bản và tính toán điểm số văn bản tương tự sử dụng công thức phân nhóm văn bản được biết đến.
Cấu trúc dữ liệu 3.1.3
Chuyên cấu trúc dữ liệu là cần thiết để lưu trữ tất cả các dữ liệu được sử dụng trong toàn bộ quá trình phân nhóm. Ngoại trừ danh sách đơn giản sử dụng để lưu trữ các cụm hiện và dụ dữ liệu, từ điển được sử dụng để tính toán trước khi phân tích dữ liệu văn bản và từ điển hai chiều được sử dụng cho các giá trị khoảng cách giữa các trường hợp cửa hàng và từng nhóm. Mặc dù danh sách và từ điển một chiều tồn tại trong môi trường mục tiêu cho các hoạt động trong bộ nhớ, họ đã phải được thực hiện như các lớp trên một cơ sở dữ liệu quan hệ sử dụng để tồn tại dữ liệu. Hai chiều từ điển đã được thực hiện cho cả hai, trong bộ nhớ và hoạt động cơ sở dữ liệu. Khi các cấu trúc dữ liệu được sử dụng rất nhiều trong quá trình phân nhóm, họ cần phải được tối ưu hóa cao cũng như các CSDL phía dưới