Cluster Aggregate Inequality and Multi-level Hierarchical Clustering

Peringkasan merupakan salah satu bagian dari perolehan informasi yang bertujuan untuk mendapatkan informasi secara cepat dan efisien dengan membuat intisari dari suatu dokumen. Dokumen-dokumen khususnya dokumen laporan setiap hari semakin bertambah seiring dengan bertambahnya pelaksanaan suatu kegiatan atau acara. Kebutuhan informasi yang semakin cepat, jumlah dokumen yang semakin bertambah banyak membuat kebutuhan akan adanya peringkasan dokumen semakin tinggi. Peringkasan yang digunakan untuk meringkas lebih dari satu dokumen disebut peringkasan multi-dokumen. Untuk mencegah adanya penyampaian informasi yang berulang pada peringkasan multi-dokumen, maka proses pengelompokkan diperlukan untuk menjamin bahwa informasi yang disampaikan bervariasi dan mencakup semua bagian dari dokumen-dokumen tersebut. Pengelompokkan hirarki dengan multi-level divisive coefficient dapat digunakan untuk mengelompokkan suatu bagian/kalimat dalam dokumen-dokumen dengan bervariasi dan mendalam yang disesuaikan dengan tingkat kebutuhan informasi dari pengguna. Bedasarkan dari tingkat kompresi peringkasan yang berbeda-beda, peringkasan menggunakan pengelompokkan hirarki dengan multi-level divisive coefficient dapat menghasilkan hasil peringkasan yang cukup baik dengan nilai f-measure sebesar 0,398 sementara nilai f-measure peringkasan dengan satu level divisive coefficient hanya mencapai 0,335.AbstractSummarization is one part of the information retrieval that aims to obtain information quickly and efficiently by making the essence of a document. Documents, especially document reports every day increasing as the implementation of an event. The need for information is getting faster, the increasing number of documents makes the need for document summaries is getting higher. Summarization used to summarize more than one document is called multi-document summarization. To prevent repetitive information from being submitted to multi-document summarization, the grouping process is necessary to ensure that the information submitted varies and covers all parts of the documents. Hierarchical clustering with multi-level divisive coefficient can be used to group a part / sentence in documents with varying and depth adjusted to the level of information needs of the user. Based on different compression levels of summarization, summarization using hierarchical clustering with multi-level divisive coefficient can produce a fairly good summary result with f-measure value of 0.398 while the f-measure summarization value with one level of divisive coefficient only reaches 0.335.

Download Full-text

Energy efficient cooperative CRN spectrum sharing using multi-level hierarchical clustering with MCDM

International Journal of Communication Networks and Distributed Systems ◽

10.1504/ijcnds.2019.10018157 ◽

2019 ◽

Vol 22 (2) ◽

pp. 196

Author(s):

P. Victer Paul ◽

S. Janakiraman ◽

Loganathan Jayakumar ◽

Ankur Dumka

Keyword(s):

Hierarchical Clustering ◽

Energy Efficient ◽

Spectrum Sharing ◽

Multi Level

Download Full-text

A New Radar Signal Sorting Method Based on Data Field

Applied Mechanics and Materials ◽

10.4028/www.scientific.net/amm.610.401 ◽

2014 ◽

Vol 610 ◽

pp. 401-406 ◽

Cited By ~ 1

Author(s):

Wan Jian ◽

Wen Ming Song

Keyword(s):

Particle Size ◽

Hierarchical Clustering ◽

Radar Signal ◽

Electromagnetic Environment ◽

Sorting Method ◽

Scanning Time ◽

Data Field ◽

Multi Level ◽

Radar Signals ◽

Advanced System

With the increasingly complex electromagnetic environment and continuous appearance of advanced system radars, signals received by radar reconnaissance receivers become even more intensive and complex, because scanning time of radar reconnaissance of each direction is very small, composition of the signals received are very complex, number of signals from different radar emitters differ greatly, traditional radar sorting methods can’t process the signals effectively. Aiming at solving the above problem, a novel radar multi-parameter signal sorting method based on data field and hierarchical clustering is proposed. Data field is introduced to reduce compute capacity and determine the parameters of hierarchical clustering. Hierarchical clustering is known that can obtain multi-level clustering structure of different particle size, by which, we can get small number of radar signals drown in many radar signals. Experimental results show that method presented in this paper can sort radar signals in complex electromagnetic environment effectively.

Download Full-text

Multi-level Hierarchical Clustering Algorithm For Energy-theft Detection in Smart Grid Networks

2020 International Conference on Electrical, Communication, and Computer Engineering (ICECCE) ◽

10.1109/icecce49384.2020.9179334 ◽

2020 ◽

Author(s):

Cherifa Boucetta ◽

Olivier Flauzac ◽

Abdel-Nassir Mahamat Nassour ◽

Florent Nolot

Keyword(s):

Smart Grid ◽

Hierarchical Clustering ◽

Clustering Algorithm ◽

Grid Networks ◽

Multi Level ◽

Hierarchical Clustering Algorithm ◽

Energy Theft

Download Full-text

Multi-level Issues in Organizational Behavior and Processes

10.1016/s1475-9144(2005)3 ◽

2005 ◽

Keyword(s):

Organizational Behavior ◽

Multi Level

Download Full-text

Verlaufsanalyse wöchentlicher Selbst- und Fremdeinschätzungen in der Langzeittherapie suchtkranker Jugendlicher

Zeitschrift für Kinder- und Jugendpsychiatrie und Psychotherapie ◽

10.1024/1422-4917/a000594 ◽

2019 ◽

Vol 47 (2) ◽

pp. 126-137

Author(s):

Ferdinand Keller ◽

Tatjana Stadnitski ◽

Jakob Nützel ◽

Renate Schepker

Keyword(s):

Allen Vier ◽

Multi Level

Zusammenfassung. Fragestellung: Über Veränderungen in der emotionalen Befindlichkeit von Jugendlichen während einer Suchttherapie ist wenig bekannt. Methode: Die Jugendlichen füllten wöchentlich einen entsprechenden Fragebogen aus, analog ihre Bezugsbetreuer eine parallelisierte Kurzfassung. Von 42 Jugendlichen liegen insgesamt 853 Bogen und von den Bezugsbetreuern 708 Bogen vor. Die Fragebogen wurden zunächst faktorenanalytisch hinsichtlich ihrer Dimensionalität ausgewertet, anschließend wurden gruppenbezogene Verlaufsanalysen (Multi-Level-Modelle) und Abhängigkeitsanalysen auf Einzelfallebene (Zeitreihenanalysen) durchgeführt. Ergebnisse: Im Jugendlichenfragebogen ergaben sich vier Faktoren: negative Befindlichkeit, Wertschätzung von Therapie/Betreuung, Motivation und Suchtdynamik. Die Übereinstimmung zwischen den Jugendlichen- und der (einfaktoriellen) Betreuereinschätzung fiel insgesamt niedrig bis mäßig aus, brachte aber auf Einzelfallebene differenziertere Ergebnisse. Im Verlauf nahmen die Werte auf allen vier Jugendlichenskalen ab. Einzig der Verlauf der Wertschätzung in der Eingewöhnungsphase war prädiktiv für den späteren Abbruch der Maßnahme: Bei den Abbrechern nahm die Wertschätzung ab, während sie bei den Beendern initial stieg. Schlussfolgerungen: Der bedeutsamste Faktor in Bezug auf die Therapiebeendigung suchtkranker Jugendlicher scheint die Wertschätzung von Therapie/Betreuung zu sein, während die Motivation jugendtypische Schwankungen aufweist. Der Suchtdynamik kam eine deutlich weniger bedeutende Rolle zu als allgemein angenommen. Programme in der Langzeittherapie sollten die Wertschätzung von Therapie/Betreuung künftig mehr fokussieren als die Suchtdynamik.

Download Full-text