Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userFuzzy Clustering of Lecture Videos Based on Topic
العنقدة الضبابية للفيديوهات بالاعتماد على نمذجة المواضيع
1175
0 13
0.0
(
0
)
Added by
Damascus University حلقة بحث
Publication date
2019
fields
Informatics Engineering
and research's language is
العربية
Created by
Waseem Kntar
Ask ChatGPT about the research
نلاحظ في الآونة الأخيرة الانتشار الهائل لأدوات التعلم الإلكتروني ( )E-Learningومنها المحاضرات التعليمية التي تعد جزء مهم منها، وهذه المحاضرات يتم تجميعها في المواقع الإلكترونية بناءا على العنوان الذي تحمله على الرغم من احتواءها على مواضيع مختلفة في مجالات متعددة وبالتالي عندما يتم البحث عن هذه المحاضرات بكلمات معينة يتم عرض المحاضرات ذات العناوين القريبة والمشابهة لجملة البحث ولكن هذه ليست النتيجة المطلوبة، ولذلك وانطلاقا من هذه المشكلة تم اقتراح طريقة لتصنيف هذه المحاضرات بناء على المواضيع التي تحويها وليس فقط على عناوينها وعمل عنقدة لها اعتمادا على هذه المواضيع. تعتمد هذه الطريقة على الترجمة المرفقة ( )captionsمع الفيديوهات التعليمية في عملية استخراج المواضيع ومن ثم عنقدتها، ومن جهة أخرى تم الاعتماد على مقالات من موقع Wikipediaوذلك بهدف تحديد وتعريف كل عنقود من العناقيد ومن ثم حساب التشابهات بين المواضيع المعبرة عن كل محاضرة مع مراكز العناقيد، وبعد ذلك تم تطبيق عنقدة ضبابية بناء على هذه التشابهات.
No English abstract
Artificial intelligence review:
Research summary
تتناول هذه الورقة البحثية مشكلة تصنيف المحاضرات التعليمية المتاحة على الإنترنت بناءً على المواضيع التي تحتويها وليس فقط على عناوينها. تقترح الورقة استخدام خوارزمية LDA (Latent Dirichlet Allocation) لاستخراج المواضيع من النصوص المرفقة مع الفيديوهات التعليمية، ومن ثم استخدام عنقدة ضبابية (Fuzzy Clustering) لتصنيف هذه الفيديوهات. تعتمد الطريقة المقترحة على استخدام مقالات من موقع Wikipedia لتحديد وتعريف كل عنقود من العناقيد، ومن ثم حساب التشابهات بين المواضيع المعبرة عن كل محاضرة مع مراكز العناقيد باستخدام مقياس Kullback-Leibler. تم اختبار النموذج المقترح على مجموعة من الفيديوهات التعليمية المأخوذة من YouTube، وأظهرت النتائج أن الطريقة المقترحة تتفوق على الطرق التقليدية مثل K-Means وPLSA من حيث دقة التصنيف وتقليل الخطأ.
Critical review
دراسة نقدية: تعتبر هذه الورقة خطوة مهمة نحو تحسين تصنيف المحاضرات التعليمية على الإنترنت، ولكن هناك بعض النقاط التي يمكن تحسينها. أولاً، تعتمد الطريقة بشكل كبير على جودة النصوص المرفقة مع الفيديوهات، والتي قد تكون غير دقيقة أو تحتوي على أخطاء. ثانياً، استخدام مقالات Wikipedia لتحديد مراكز العناقيد قد يكون محدوداً في بعض الحالات التي لا تتوفر فيها مقالات مناسبة. ثالثاً، لم يتم التطرق بشكل كافٍ إلى كيفية التعامل مع الفيديوهات التي تحتوي على مواضيع متعددة ومعقدة. وأخيراً، يمكن تحسين النموذج من خلال دمج تقنيات تعلم الآلة الحديثة مثل الشبكات العصبية لتحسين دقة التصنيف.
Questions related to the research
-
ما هي المشكلة الرئيسية التي تحاول الورقة حلها؟
تحاول الورقة حل مشكلة تصنيف المحاضرات التعليمية المتاحة على الإنترنت بناءً على المواضيع التي تحتويها وليس فقط على عناوينها.
-
ما هي الخوارزمية المستخدمة لاستخراج المواضيع من النصوص المرفقة مع الفيديوهات؟
تم استخدام خوارزمية LDA (Latent Dirichlet Allocation) لاستخراج المواضيع من النصوص المرفقة مع الفيديوهات.
-
ما هو مقياس التشابه المستخدم في الورقة؟
تم استخدام مقياس Kullback-Leibler لحساب التشابه بين المواضيع المعبرة عن كل محاضرة مع مراكز العناقيد.
-
ما هي النتائج التي توصلت إليها الورقة؟
أظهرت النتائج أن الطريقة المقترحة تتفوق على الطرق التقليدية مثل K-Means وPLSA من حيث دقة التصنيف وتقليل الخطأ.
References used
Basu, Yi Yu, Zimmermann, “Fuzzy Clustering of Lecture Videos Based on Topic Modeling”, IEEE.
rate research
Read More
In this paper, we introduce a modification to fuzzy mountain
data clustering algorithm. We were able to make this algorithm
working automatically, through finding a way to divide the
space, to determine the values of the input parameters, and
the stop condition automatically, instead of getting them by the
user.
In this paper, we introduce a modification to fuzzy mountain
data clustering algorithm. We were able to make this algorithm
working automatically, through finding a way to divide the
space, to determine the values of the input parameters, and
the stop condition automatically, instead of getting them by the
user.
In this research, a hybrid system was proposed between the
genetic algorithm and the fuzzy Kohonen clustering network ,
where the genetic algorithm is one of the methods of artificial
intelligence is one of the modern methods.
choose the right way to dividing set of data with high dimensions to clusters in specific field and comparison the different subspace clustering algorithms and present the applications and usage
The objective of this studying is the important answer on the following open question : Let G and G' be two fuzzy groups and L(G), L(G') be lattices for them, respectively,
We have shown that this statement don’t true in the case general, and we sup
pose some certain conditions on the purposed groups to be the statement holds. Moreover, some important theorems are proved
suggested questions
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
