به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه "بازیابی منابع شنیداری" در نشریات گروه "کتابداری و مدیریت اطلاعات"

تکرار جستجوی کلیدواژه «بازیابی منابع شنیداری» در نشریات گروه «علوم انسانی»
جستجوی بازیابی منابع شنیداری در مقالات مجلات علمی
  • طاهره ابوالقاسم مسلمان، عصمت مومنی، محسن حاجی زین العابدینی
    هدف
    پژوهش حاضر با هدف تعیین میزان دقت در بازیابی منابع شنیداری با استفاده از روش خوشه بندی و به کارگیری الگوریتم کی- مینز انجام شده است.
    روش
    پژوهش حاضر از نوع کاربردی و روش پژوهش نیمه تجربی و از طریق مشاهده مستقیم است. به منظور بررسی میزان دقت در بازیابی منابع شنیداری، مجموعه ای شامل 23 آلبوم منتشر شده در تابستان سال 1391 انتخاب شد. ابتدا پیشینه های موجود در هر آلبوم براساس استاندارد فراداده ای پی.بی.کور فهرست نویسی شد. در گام بعدی هر یک از عناصر فراداده مزبور به عنوان یک خوشه و توضیحگرهای آن به عنوان متغیر در نظر گرفته شده و الگوریتم کی- مینز در محیط نرم افزاری اس. پی. اس. اس بر روی داده ها اجرا شد و فاصله هر پیشینه تا مرکز خوشه به دست آمد.
    یافته ها
    با توجه به میزان فاصله هر پیشینه تا مرکز خوشه و ملاک قرار دادن این مقدار به عنوان میزان دقت در بازیابی منابع، پیشینه هایی که بیشترین شباهت به مرکز هر خوشه را دارند در کمترین فاصله، و پیشینه هایی که کمترین شباهت با مرکز خوشه را دارند در بیشترین فاصله با آن قرار گرفتند و میزان دقت برای هر خوشه و توضیحگر محاسبه گردید.
    کلید واژگان: دقت, بازیابی منابع شنیداری, خوشه بندی, الگوریتم کی, مینز, فراداده پی, بی, کور
    Tahereh Abolghasem Mosalman, Esmat Momeni, Mohsen Haji Zeinolabedini
    Purpose
    The aim of this paper is to survey the rate of the precision in the audio and visual material retrieval by clustering techniques and k- means algorithm.
    Methodology
    The type of the research method is experimental. For the purpose of this paper, twenty- three albums are studied directly through observation. Albums published in summer 1391(solar). Songs catalogs according to PBCore metadata and one of the elements in this metadata choose instead of variable. In the next step, k- means algorithm in SPSS software was performed. Finally, the distance between any records with cluster center was calculated.
    Finding: After performing k- means algorithm, the cluster center for the four clusters of intellectual content, intellectual property, instantiation, and extensions were determined. Due to the distance between each record and the center of the cluster this value is measured as the precision of the resource retrieval records. The closer to the center of each cluster the shorter the distance would be. However, the record-with the highest similarity to the center of the cluster has the greatest distance. The precision is calculated at 99 percent.
    Keywords: Precision, Audio, visual material, PBCore metadata, Clustering, K, means algorithm
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال