Biblioteca32.346 documentos en línea

Artículo

Online Knowledge-Based Model for Big Data Topic ExtractionModelo en línea basado en el conocimiento para la extracción de temas de Big Data

Resumen

Los modelos de aprendizaje automático permanente (LML) aprenden con la experiencia manteniendo una base de conocimientos, sin intervención del usuario. A diferencia de los modelos tradicionales de un solo dominio, pueden ampliarse fácilmente para explorar grandes datos. Los modelos LML existentes tienen una alta dependencia de los datos, consumen más recursos y no soportan el flujo de datos. Este artículo propone un modelo LML en línea (OAMC) para soportar el flujo de datos con una dependencia de datos reducida. Con la ingeniería de la base de conocimientos y la introducción de nuevas características de conocimiento, se mejora el patrón de aprendizaje del modelo para los datos que llegan por partes. OAMC mejora la precisión como la coherencia de los temas por 7o datos de streaming mientras reduce el coste de procesamiento a la mitad.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento