Определение наиболее подходящей тематической модели для классификации научных публикаций по авторам-однофамильцам. Использование модели латентного размещения Дирихле, лидирующей среди тематических моделей. Извлечение публикаций из наукометрических баз.
При низкой оригинальности работы "Применение латентного размещения Дирихле для анализа публикаций из наукометрических баз данных", Вы можете повысить уникальность этой работы до 80-100%
186 Праці Одеського політехнічного університету, 2014. Вип.Одним из наиболее эффективных современных подходов к решению задачи потокового шифрования является подход, основанный на использовании для генерации псевдослучайных ключевых последовательностей математического аппарата булевых функций. Предлагается новая конструкция генератора псевдослучайных ключевых последовательностей на основе клеточных автоматов и таких совершенных алгебраических конструкций, как бент-функции и последовательности со свойством k-граммного распределения. Установлено, что генератор генерирует высококачественные с точки зрения нелинейности и стохастических свойств ключевые последовательности, при этом по сравнению с существующими имеет простую программную реализацию. Таким образом, предложенный генератор псевдослучайных ключевых последовательностей может быть рекомендован для использования в современных криптографических приложениях, например, алгоритмах поточного шифрования, требующих высококачественные псевдослучайные ключевые последовательности. A new design of the pseudo-random key sequences generator based on cellular automata and such perfect algebraic structures as bent functions and sequences with the property of k-gram distribution is proposed.Одним из основных способов извлечения знаний из текстовых коллекций является тематическое моделирование - способ построения модели коллекции текстовых документов, которая определяет, к каким темам относится каждый из документов [3]. Вероятностная тематическая модель (ВТМ) описывает каждую тему дискретным распределением на множестве терминов, а каждый документ - дискретным распределением на множестве тем. Модели со скрытыми (латентными) переменными оказались особенно эффективными для выявления скрытых структур в текстовых коллекциях [4], которые используются для решения таких задач, как классификация документов, поиск схожих документов, многоязычный поиск, выявление ключевых слов в документе, выявление зависимостей между терминами, выявление трендов в различных областях интересов и др.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы