Zobrazeno 1 - 10
of 23
pro vyhledávání: '"Topic evaluation"'
Autor:
R. Muthusami, N. Mani Kandan, K. Saritha, B. Narenthiran, N. Nagaprasad, Krishnaraj Ramaswamy
Publikováno v:
Scientific Reports, Vol 14, Iss 1, Pp 1-13 (2024)
Abstract The online channel has affected many facets of an individual's identity, commercial, social policy, and culture, among others. It implies that discovering the topics on which these brief writings are focused, as well as examining the qualiti
Externí odkaz:
https://doaj.org/article/7329701701984d1e97b7c88c4e22a01d
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IEEE Access, Vol 9, Pp 127531-127547 (2021)
The understanding and analyzing of available content on Social media Platforms such as Twitter and Facebook, through various topic modeling methods is not supervised. However, despite several existing conventional techniques, they have had limited su
Externí odkaz:
https://doaj.org/article/1639d54853914e2c9b0e08403a5c80bc
Publikováno v:
IEEE Access, Vol 8, Pp 66977-66988 (2020)
Topic Modelling has been successfully applied in many text mining applications such as natural language processing, information retrieval, information filtering, etc. In information filtering systems (IFs), user interest representation is the core pa
Externí odkaz:
https://doaj.org/article/3b97474448db48b88862a8f2f3335cb4
Publikováno v:
IEEE Access, Vol 9, Pp 127531-127547 (2021)
The understanding and analyzing of available content on Social media Platforms such as Twitter and Facebook, through various topic modeling methods is not supervised. However, despite several existing conventional techniques, they have had limited su
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::629e0ef94d11f72e233f339a650aefed
https://ieeexplore.ieee.org/document/9536731/
https://ieeexplore.ieee.org/document/9536731/
Publikováno v:
ACM Transactions on Intelligent Systems and Technology
Topic modelling methods such as Latent Dirichlet Allocation (LDA) have been successfully applied to various fields, since these methods can effectively characterize document collections by using a mixture of semantically rich topics. So far, many mod
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::dcc8c94a5a0676511e63d5bb95082184
https://doi.org/10.1145/3094786
https://doi.org/10.1145/3094786
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.