Paper - Hogeschool Gent

More documents

Recommendations

Info

$C:\Olmo\compositie\Caprice\finale versie paganini.sib$

Hoofdstuk 4. Implementatie 32 int[][] centroids Deze structuur heeft veel weg van de variabele documents. De inhoud is echter geen document maar de centroid van de cluster. In de eerste dimensie staan dus het aantal clusters en in de tweede dimensie staat het aantal woorden in de centroidvector. double[][] centroids_values Analoog aan documents_values hoort bij elk woord-ID een genormaliseerde TF*IDF- waarde. int[] centroids_length Analoog aan documents_length, de lengte van elke centroidvector. int[] clusters Het uiteindelijke eindresultaat van de clustering. De index legt vast over welk document het gaat (het document met het ID horende bij documents_id[index]) en de waarde legt vast bij welke cluster het document hoort. Merk op dat hier geen variabele centroids_id nodig is, de centroid-ID’s zijn sequentieel. 4.2 MySQL De meest eenvoudige query’s bij het selectieproces voor een realistische testset uit hoofdstuk 3.2.3 (p. 29) zouden de volgende kunnen zijn: SELECT message AS document FROM blogs WHERE id=x SELECT message AS document FROM blogs LIMIT y,1 Bij de linkse query is het probleem echter dat de ID’s bij het genereren van de random waardes niet gekend zijn. Het rijnummer daarentegen is wel gekend. Het probleem van de rechtse query is performantie. Wanneer y groot wordt, moeten telkens grote aantal- len records overgeslagen worden bij elke uitvoering. Daarom werd onderstaande query gehanteerd: SELECT message AS document FROM ( SELECT @row:=@row+1 AS rownum, message FROM ( SELECT @row:=0 ) r, blogs ) AS ranked WHERE rownum IN ( SELECT number FROM sample_numbers );
Hoofdstuk 4. Implementatie 33 Alle geselecteerde rijnummers zijn weggeschreven naar een tabel sample_numbers. Een teller @row wordt geïncrementeerd terwijl de tabel overlopen wordt. Van zodra een rijnummer in de sample_numbers-tabel aanwezig is, wordt het document opgenomen in het resultaat van de query. Deze laatste opzoeking gaat snel, er zijn immers maar ongeveer 1000 records in de sample_numbers-tabel.
Page 1 and 2: Geassocieerde faculteit Toegepaste
Page 3 and 4: Sentimentdetectie op Sociale Netwer
Page 5 and 6: Abstract Deze scriptie gaat over he
Page 7 and 8: Inhoudsopgave 1 Introductie 1 2 The
Page 9 and 10: Hoofdstuk 1 Introductie Tijdens dez
Page 11 and 12: Hoofdstuk 2 Theoretische achtergron
Page 13 and 14: Hoofdstuk 2. Theoretische achtergro
Page 33 and 34: Hoofdstuk 3. Data 25 3.2 Vereiste d
Page 35 and 36: Hoofdstuk 3. Data 27 na revisie een
Page 37 and 38: Hoofdstuk 3. Data 29 3.2.3 Realisti
Page 39: Hoofdstuk 4. Implementatie 31 Het i
Page 43 and 44: Hoofdstuk 5. Resultaten 35 Beoordel
Page 45 and 46: Hoofdstuk 5. Resultaten 37 Bij de u
Page 47 and 48: Hoofdstuk 5. Resultaten 39 F1 1,00
Page 49 and 50: Hoofdstuk 5. Resultaten 41 5.3 Feat
Page 51 and 52: Hoofdstuk 5. Resultaten 43 De voll
Page 53 and 54: Hoofdstuk 5. Resultaten 45 Een onev
Page 55 and 56: Hoofdstuk 5. Resultaten 47 F1 F1 1,
Page 57 and 58: Hoofdstuk 5. Resultaten 49 gaat, st
Page 59 and 60: Hoofdstuk 5. Resultaten 51 Inzoomen
Page 61 and 62: Hoofdstuk 5. Resultaten 53 2. Afsch
Page 63 and 64: Hoofdstuk 6 Conclusie Tijdens het o
Page 65 and 66: Bibliografie 1ste Keuze BV (2012).
Page 67 and 68: Bibliografie 59 S. Zhu, X. Ji, W. X
Page 69 and 70: Bijlage A Woordenlijsten A.1 Nederl
Page 71 and 72: Bijlage A. Woordenlijsten 63 37. do
Page 73 and 74: Bijlage A. Woordenlijsten 65 19. ji
Page 75 and 76: Bijlage B. Resultaattabellen 67 Het
Page 77 and 78: Bijlage B. Resultaattabellen 69 Eve
Page 83 and 84: Bijlage C. Figuren 75 F1 1,00 0,95
Page 85 and 86: Bijlage C. Figuren 77 F1 F1 1,00 0,
Page 87 and 88: Bijlage C. Figuren 79 F1 1,00 0,95
Page 89: Bijlage D Afkortingen AUC − area

Paper - Hogeschool Gent

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?