Spano, Maria
(2015)
Tecniche di validazione per il Clustering di documenti.
[Tesi di dottorato]
| Tipologia del documento: |
Tesi di dottorato
|
| Lingua: |
Italiano |
| Titolo: |
Tecniche di validazione per il Clustering di documenti |
| Autori: |
| Autore | Email |
|---|
| Spano, Maria | maria.spano@unina.it |
|
| Data: |
31 Marzo 2015 |
| Numero di pagine: |
187 |
| Istituzione: |
Università degli Studi di Napoli Federico II |
| Dipartimento: |
Scienze Economiche e Statistiche |
| Scuola di dottorato: |
Scienze economiche e statistiche |
| Dottorato: |
Statistica |
| Ciclo di dottorato: |
27 |
| Coordinatore del Corso di dottorato: |
| nome | email |
|---|
| Lauro, Natale Carlo | natale.lauro@unina.it |
|
| Tutor: |
| nome | email |
|---|
| Balbi, Simona | [non definito] |
|
| Data: |
31 Marzo 2015 |
| Numero di pagine: |
187 |
| Parole chiave: |
Text Mining, Cluster Validation, Document Clustering |
| Settori scientifico-disciplinari del MIUR: |
Area 13 - Scienze economiche e statistiche > SECS-S/01 - Statistica |
[error in script]
[error in script]
| Depositato il: |
13 Apr 2015 15:26 |
| Ultima modifica: |
08 Ott 2015 08:09 |
| URI: |
http://www.fedoa.unina.it/id/eprint/10417 |
| DOI: |
10.6092/UNINA/FEDOA/10417 |
Abstract
Classificare i documenti appartenenti ad un determinato corpus, sulla base
del loro contenuto, è uno dei compiti più importanti, se non il più importante,
del Text Mining e dell'Information Retrieval. Quest'obiettivo può essere raggiunto facendo riferimento a tecniche di Classificazione automatica.
Tali tecniche sono comunemente connotate come parte del più ampio contenitore dei metodi di tipo esplorativo, in quanto finalizzati a identificare strutture nei dati non note. La validazione dei risultati viene, quindi, a volte, percepita come un'aggiunta onerosa a quello che viene considerato
un passo iniziale di un processo di conoscenza. Questa percezione
è estremamente pericolosa, perché potrebbe indirizzare gli approfondimenti
successivi in maniera non corretta. Inoltre, i metodi di Classificazione automatica individuano in ogni caso una partizione dei dati, anche quando i dati stessi non presentano alcun raggruppamento naturale.
La motivazione del presente lavoro è, quindi, data dalla consapevolezza dell'importanza di disporre di strumenti di valutazione efficaci, così da fornire
al ricercatore risultati caratterizzati da un certo grado di affidabilità.
Questa tesi pone, quindi, in rassegna la vastissima letteratura relativa agli
strumenti di validazione, ponendo in particolare l'attenzione sulle misure interne per la validazione, poiché rappresentano degli strumenti in grado di fornire un'informazione sintetica della qualità della soluzione ottenuta, valutandola in termini di coesione e separazione dei gruppi ottenuti.
Così come la varietà dei metodi di Clustering discende principalmente dalla
loro applicabilità in molti ambiti diversi, così diverse misure interne di validazione sono state prodotte in diversi contesti. Questa circostanza rende
necessario per i ricercatori avere a disposizione delle linee guida per districarsi
al meglio nelle scelte di uno strumento piuttosto che un altro che possa
risultare più idoneo nei diversi contesti. In questo lavoro si propone un confronto dei punti di forza e dei punti di debolezza di numerosi indici, tra i più utilizzati e più recenti, valutandone la performance su un gran numero di configurazioni. Ne deriva la consapevolezza che la proposta di un nuovo indice sarebbe una operazione di poca efficacia. Si preferisce piuttosto perseguire l'obiettivo di individuare una strategia integrata che metta in relazione i tre elementi dai quali non si può prescindere per eseguire una Cluster Analysis: il tipo di dati, gli algoritmi utilizzati e gli indici di validazione. Questi elementi condizionano in maniera determinante vuoi la qualità dei risultati dell'analisi, vuoi la valutazione che se ne può ottenere.
Downloads per month over past year
Actions (login required)
 |
Modifica documento |
