Τεχνικές αυτόματης κατηγοριοποίησης στις ψηφιακές βιβλιοθήκες

dc.contributor.author	Βοργιά, Ευφροσύνη	el
dc.contributor.author	Vorgia, Efrosini	en
dc.date.accessioned	2017-01-19T08:54:35Z
dc.date.available	2017-01-19T08:54:35Z
dc.date.issued	2017-01-19
dc.identifier.uri	http://hdl.handle.net/11400/20145
dc.rights	Default License
dc.subject	Ψηφιακές Βιβλιοθήκες, Κατηγοριοποίηση, Συσταδοποίηση, WEKA, Μετρικές Βαρύτητας
dc.title	Τεχνικές αυτόματης κατηγοριοποίησης στις ψηφιακές βιβλιοθήκες	el
heal.type	bachelorThesis
heal.language	el
heal.access	free
heal.recordProvider	ΤΕΙ Αθήνας, Σχολή Διοίκησης και Οικονομίας, Tμήμα Βιβλιοθηκονομίας και Συστημάτων Πληροφόρησης	el
heal.publicationDate	2016-11-18
heal.abstract	Η παρούσα πτυχιακή προτείνει την αυτόματη κατηγοριοποίηση τεκμηρίων βάσει των περιλήψεών τους με τη χρήση της κατηγοριοποίησης (classification) και της συσταδοποίησης (clustering) για την άμεση ταξινόμηση στις ψηφιακές βιβλιοθήκες. Στόχος είναι η εισαγωγή μιας νέας μετρικής βαρύτητας, της DEVMAX.DF, η οποία συγκρίνεται με την ήδη υπάρχουσα μετρική TF.IDF. Τα δεδομένα λήφθηκαν από 718 περιλήψεις επιστημονικών μελετών από 9 ακαδημαϊκές ψηφιακές βιβλιοθήκες. Μετά από την επεξεργασία τους, εισήχθησαν στο πρόγραμμα WEKA για την εξαγωγή αποτελεσμάτων. Η κατηγοριοποίηση απέφερε F-score ~97%, ενώ η συσταδοποίηση λανθασμένων παραδειγμάτων έφτασε ~4,50%. Εκ των δύο μετρικών, η DEVMAX.DF απέδωσε καλύτερα από την TF.IDF.	el
heal.abstract	This thesis proposes the automated categorization of documents based on abstracts using classification and clustering techniques for immediate classification on digital libraries. The research aims to introduce a new weighting metric, DEVMAX.DF, which is compared to the already existing metric TF.IDF. The data were gathered from 718 abstracts of scientific studies from 9 academic digital libraries. After processing, the data were imported to WEKA for the final results. Classification yielded an F-score ~ 97%, while clustering reached ~4.50% of incorrectly clustered instances. Of the two metrics, DEVMAX.DF performed better than TF.IDF.	en
heal.advisorName	Τριανταφύλλου, Ιωάννης	el
heal.advisorName	Triantafillou, Ioannis	en
heal.committeeMemberName	Τριανταφύλλου, Ιωάννης	el
heal.academicPublisher	Σχολή Διοίκησης και Οικονομίας, Τμήμα Βιβλιοθηκονομίας και Συστημάτων Πληροφόρησης	el
heal.academicPublisherID	teiath
heal.numberOfPages	60
heal.fullTextAvailability	campus
heal.dateCreated	2017-01-19