నైరూప్య

An Efficient Clustering Method To Find Similarity Between The Documents

Kalaivendhan.K, Sumathi.P

Data mining is a concept of extracting or mining knowledge from large amount of data. Clustering is a data mining technique in which it is used to grouping the similar data items. TF-IDF approach is used to calculate the weight of the cluster and ranking method is used to rank the document of the cluster. For clustering the similarity between the pair of objects the similarity measure done by using single view point and multi view point and the values are calculated using cosine similarity. In contrast, the proposed method is based on correlation similarity and uses HAC algorithmfor clustering the documents. By using Correlation similarity, the similarity between the each and every documents of the cluster is calculated. HAC algorithm is used for grouping the cluster level by level and ranking technique is used to give rank to the cluster according to the content of the document and finally the most relevant data is grouped and cluster results are displayed.

నిరాకరణ: ఈ సారాంశం ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ టూల్స్ ఉపయోగించి అనువదించబడింది మరియు ఇంకా సమీక్షించబడలేదు లేదా నిర్ధారించబడలేదు

ఇండెక్స్ చేయబడింది

Index Copernicus
Academic Keys
CiteFactor
కాస్మోస్ IF
RefSeek
హమ్దార్డ్ విశ్వవిద్యాలయం
వరల్డ్ కేటలాగ్ ఆఫ్ సైంటిఫిక్ జర్నల్స్
ఇంటర్నేషనల్ ఇన్నోవేటివ్ జర్నల్ ఇంపాక్ట్ ఫ్యాక్టర్ (IIJIF)
ఇంటర్నేషనల్ ఇన్స్టిట్యూట్ ఆఫ్ ఆర్గనైజ్డ్ రీసెర్చ్ (I2OR)
కాస్మోస్

మరిన్ని చూడండి