Introduction to Information Retrival(챕터16)

소개글

Introduction to Information Retrival 챕터정리 ppt

목차

1 Clustering?


2 Clustering in information retrieval


3 K-means

본문내용

1. Clustering?
클러스터링이란? 항목과 집단 사이의 관련 정도의 계산을 토대로 자동적으로 만들어진 집단에 항목을 할당하는 기술 형성된 집단의 원소는 같은 집단에는 높은 연관성을 가지고 다른 집단의 원소간에는 낮은 연관성을 가져야 한다.
4
1 Clustering?
Classification과 Clustering의 차이점
Classification : 결과에 정확한 최대 갯수를 주어야 한다.
Clustering : 분류 결과에 최대 개수가 정해지지 않는다.
5
2. Clustering in information retrieval
6
2. Clustering in information retrieval
자동적으로 생성된 집단에 항목을 할당하여 분류하는 클러스터링은 정보의 저장과 검색의 목적에 부합한다.
클러스터 가설 : 문서들은 요구되는 정보의 관련성에 대하여 유사한 양상으로 움직인다.
7
.
.
3. K-means
간단하면서도 효과적인 클러스터링이 가능한 Unsupervised 알고리즘
데이터가 벡터 공간을 이룬다는 가정하에 각 묶음의 분산도를 최소화하는 K개의 묶음으로 나누는 방법
주어진 데이터의 수는 n, 원하는 클러스터의 수는 k로 표기한다. 데이터의 집합으로부터 무작위로 선택된 k기 클러스터 중심백터
로부터 클러스터를 구성한다. 각 데이터는 가장 가까운 거리에 있는 초기 중심 벡터를 기준으로 분류된다. 나누어진 각 클러스터의 평균값으로 중심 값을 새로 생신하고 반복적으로 수행하여 오차감소율이 매우 작아지거나, 중심값이 변하지 않으면 끝낸다.

참고 자료

없음