| 講 題 | 適用於文件分群之增量增長式自我組織圖 | | 講 者 | 國立高雄大學資訊管理學系 楊新章 黃雨謙 | | 日 期 | 2017/10/25 | 長 度 | 00:17:18 | 人 氣 | 177 次 | | | 由於巨量資料時代的來臨,資訊量成指數方式成長,如何由巨量資料中獲取有用情報的需求也越來越高。其中一關鍵技術便是如何快速且正確的將文件進行組織,自我組織圖便常被用於進行文件分群。傳統的自我組織圖訓練方法僅能應用於靜態資料集,若有新的資料加入便必須重新訓練,致耗費大量計算成本,故難以應用於現代之巨量即時文件分群之用。本文將提出一改善傳統自我組織圖之學習演算法,嘗試使用增量式學習法,在不需對整個資料集重新訓練的前題下,僅針對新進資料進行學習,改善傳統自我組織圖之缺陷。初步實驗結果顯示本演算法可達到不錯的效能。 | | 提 供 | TANET台灣網際網路研討會-TANET2017 | | |
|