Zobrazeno 1 - 10
of 27
pro vyhledávání: '"Murshed, Belal Abdullah Hezam"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Saif, Mufeed Ahmed Naji, Niranjan, S. K., Murshed, Belal Abdullah Hezam, Al-ariki, Hasib Daowd Esmail, Abdulwahab, Hudhaifa Mohammed
Publikováno v:
Journal of Ambient Intelligence & Humanized Computing; Sep2023, Vol. 14 Issue 9, p12895-12920, 26p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Murshed, Belal Abdullah Hezam, Mallappa, Suresha, Abawajy, Jemal, Saif, Mufeed Ahmed Naji, Al-ariki, Hasib Daowd Esmail, Abdulwahab, Hudhaifa Mohammed
Publikováno v:
Artificial Intelligence Review; Jun2023, Vol. 56 Issue 6, p5133-5260, 128p
Autor:
Murshed, Belal Abdullah Hezam, Mallappa, Suresha, Ghaleb, Osamah A. M., Al-ariki, Hasib Daowd Esmail
Publikováno v:
Emerging Technologies During the Era of COVID-19 Pandemic
Twitter data generally tends to be unstructured and often very noisy, cluttered/disorganized, and clothed in informal language. In this paper, we propose an intelligent Twitter data cleansing model that can solve data quality problems associated with