0% Complete
English
Toggle main menu visibility
صفحه اصلی
کنفرانسهای فعال
مدیریت منابع انسانی پایدار
حسابداری
بازاریابی و برندینگ در عصر هوش مصنوعی
هوش مصنوعی:نوآوری، کسبوکار و آموزش
ارشیو کنفرانسها
اولین کنفرانس ملی هوش مصنوعی
دومین کنفرانس ملی هوش مصنوعی
اولین کنگره ملی حسابداری، مالی و مالیاتی
32کنفرانس بین المللی زیست پزشکی
راهنمای شرکت
نحوه ثبتنام
ثبت نام مدیریت منابع انسانی پایدار
ثبت نام دومین کنگره ملی حسابداری
ثبت نام سومین کنفرانس ملی هوش مصنوعی
ثیت نام بازاریابی و برندینگ در عصر هوش مصنوعی
ثبت نام زنجیره ارزش نفت گاز و پتروشیمی
ارسال مقاله
فرمت مقالات مدیریت منابع انسانی پایدار
فرمت مقالات سیستم های هوشمند حسابداری
فرمت مقالات ملی بازاریابی و برندینگ در عصر هوش مصنوعی
فرمت مقالات سومین کنفرانس هوش مصنوعی
سوالات متداول
اخبار و رویدادها
درباره ما
تماس با ما
صفحه اصلی
/
دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی
Document Clustering Using Deep Pre-trained Language Model Embeddings for Information Retrieval
نویسندگان :
Mahdi Mohammadiha
1
Mohammad Hassan Sadreddini
2
Morteza Mohammadi Zanjireh
3
1- International University of Imam Khomeini
2- International University of Imam Khomeini
3- International University of Imam Khomeini
کلمات کلیدی :
Document Clustering،Information Retrieval،SBERT،UMAP،HDBSCAN
چکیده :
Document clustering is critical to information retrieval (IR) as it enhances user navigation, semantic organization, and exploration of large text collections. Current clustering techniques, though, are marred by poor accuracy and semantic inconsistency, with many misclassifying relevant documents as noise and using superficial textual representations. This study aims to develop a clustering pipeline that produces semantically meaningful and structurally coherent groups of documents to support more effective IR. We propose a method that combines SBERT embeddings for deep semantic representation, UMAP for structure-preserving dimensionality reduction, and HDBSCAN for flexible, density-based clustering without needing to predefine the number of clusters. Experimental evaluations on the 20 Newsgroups dataset reveal that our optimal setting with the paraphrase-mpnet-base-v2 model obtains a Silhouette Score of 0.6853, ARI of 0.7865, and NMI of 0.8186. These results illustrate the promise of embedding-based clustering methods to greatly improve the interpretability and effectiveness of IR systems on real-world text collections.
لیست مقالات
لیست مقالات بایگانی شده
ارزیابی عملکرد در سازمانهای پست مدرن
مهدی خضوعی
Patch-Based detection of proximal caries on bitewing radiographs
Sana Esmaeili - Parnian Alizadeh oskoee - Tahmineh Razi - Asiyeh Dadghar - Kasra Rahimipour - Ata Jodeiri
هیدروژلهای نانوکامپوزیتی تقویتشده با نانوالیاف آرامید عاملدار شده: راهبردی نوآورانه در راستای گسترش ساختارهای پیشرفته مورد استفاده در پزشکی بازساختی
فرهاد اسمعیل زاده - شهره مشایخان - اکبر شجاعی
بررسی نقش شفافیت اطلاعات مالی و حسابرسی مالیاتی در بهبود تمکین مالیاتی و تأثیر آن بر رشد اقتصادی پایدار
الهه آقاخانی - مرتضی خانلاری
حریم خصوصی کاربران در مدل های زبانی بزرگ
آرمان محبعلی - محمد عادلی نیا
هوش مصنوعی و مفاهیم مالی و حسابداری با تاکید برحاکمیت شرکتی
مهدی زینالی - رعنا کمالی
The role of data analysis and financial engineering in managing industrial projects with a circular economy approach
Mohammad Reza Taheri Oshtobin - Seyed Ali Ghamiloei
Improved Metric for Classification of Nearby Reaching Targets: A Distance-Weighted Accuracy Approach
Zahra Dayani - Ali Maleki - Ali Fallah
کاربرد EEG در تحلیل واکنشهای مشتریان صنعتی (B2B Neuromarketing)
علی نظیری فیروز سالاری - علی قهرمانی
Microfluidic Generation of Core-Shell Breast Tumor Spheroids for Evaluating Dose-Dependent Responses to Quercetin
Fatemeh Zarei - Mohammad Hashem Molayemat - Amir Shamloo - Mohammad Mehdi Sadeghian
بیشتر
19 اردیبهشت 1405
راهنمای انتخاب کنفرانس معتبر برای چاپ مقاله علمی
19 اردیبهشت 1405
چرا شرکت در کنفرانسهای علمی برای مصاحبه دکتری اهمیت دارد؟
21 اردیبهشت 1405
پذیرش سریع مقاله در کنفرانسهای علمی مهندسی و فناوری آغاز شد
21 اردیبهشت 1405
آغاز ثبتنام در همایشهای بینالمللی مدیریت و حسابداری
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 43.6.0