Andere Kunden interessierten sich auch für
![Vérification de faits par partitionnement de données]( "Vérification de faits par partitionnement de données")
Vérification de faits par partitionnement de données26,99 €![Faktencheck durch Partitionierung von Daten]( "Faktencheck durch Partitionierung von Daten")
Faktencheck durch Partitionierung von Daten39,90 €![Fact checking by data partitioning]( "Fact checking by data partitioning")
Fact checking by data partitioning26,99 €![Verifica dei fatti attraverso il partizionamento dei dati]( "Verifica dei fatti attraverso il partizionamento dei dati")
Verifica dei fatti attraverso il partizionamento dei dati26,99 €![Prowerka faktow putem razdeleniq dannyh]( "Prowerka faktow putem razdeleniq dannyh")
Prowerka faktow putem razdeleniq dannyh13,99 €![O impacto das ferramentas de colaboração no desempenho dos funcionários]( "O impacto das ferramentas de colaboração no desempenho dos funcionários")
O impacto das ferramentas de colaboração no desempenho dos funcionários26,99 €![Agrupamento tradicional e baseado em mapas para grandes conjuntos de dados]( "Agrupamento tradicional e baseado em mapas para grandes conjuntos de dados")
Agrupamento tradicional e baseado em mapas para grandes conjuntos de dados40,99 €
Neste artigo, propomos uma nova estratégia de verificação de factos (averiguação da verdade), baseada na agregação de dados de aprendizagem de máquinas com o método k significaans combinado com o índice de silhueta para determinar o valor óptimo de k, a fim de detectar a partição óptima do conjunto de atributos. Uma tal divisão ideal maximiza a precisão do processo de apuramento da verdade sem ter de explorar todas as partições possíveis. Os resultados das nossas experiências intensivas com dados sintéticos e reais mostram que a nossa abordagem supera as de (Lamine Ba et al., 2015), com um custo de tempo computacional mais razoável. Finalmente, esboçamos uma forma de paralelizar um dado processo de apuramento da verdade utilizando o paradigma MapReduce, a fim de evitar a explosão do tempo de execução quando o tamanho dos dados de entrada aumenta.