• Nouveau
Vérification de faits par partitionnement de données
search
  • Vérification de faits par partitionnement de données
  • Vérification de faits par partitionnement de données

Vérification de faits par partitionnement de données


39,90 €
37,90 € Économisez 5%

Dans ce document, nous proposons une nouvelle stratégie de vérification de faits (recherche de la vérité), basée sur le clustering de données en apprentissage automatique avec la méthode des k-moyennes combinée à l’indice de silhouette pour déterminer la valeur optimale de k, afin de détecter la partition optimale de l’ensemble des attributs.

Une telle partition optimale maximise la précision du processus de recherche de la vérité sans avoir à explorer toutes les partitions possibles.

Les résultats de nos expérimentations intensives sur des données synthétiques et réelles montrent que notre approche surpasse celles dans (Lamine Ba et al., 2015), avec un coût en temps de calcul plus raisonnable.

Enfin, nous esquissons une manière de paralléliser un processus de recherche de la vérité donné en utilisant le paradigme MapReduce en vue d’éviter l’explosion du temps d’exécution lorsque la taille des données d’entrée augmente.

Format : Papier

Livraison dans le monde entier.
Frais d'envoi limités à 4,90 € pour la France métropolitaine quel que soit le nombre d'articles. Délai de livraison : 2 à 5 jours.
Pour les produits numériques, frais d'envoi offerts et accès immédiat.

Quantité
Disponible

Osias Noël N.

F.

Tossou, actuellement Responsable du Département de Data Intelligence à MANOBI-Africa, a eu un Master en Big Data à l'AIMS-Sénégal en 2020 après une licence en Génie Logiciel à l'IFRI-UAC au Bénin.

Dans ce document, il a travaillé avec Dr Lamine Mouhamadou BA son enseignant.

Lamine M.

BA est enseignant-chercheur à l'UADB au Sénégal.


Fiche technique

Auteur
OSIAS NOËL NICODÈME FINAGNON TOSSOU
Langue
Français
Éditeur
Éditions universitaires européennes
Année
2021
Pays
Bénin Bénin

30 autres produits dans la même catégorie :

Voir tout

Voir tout