nach oben

Erschienen in:

2016 | OriginalPaper | Buchkapitel

A Hybrid Method for Manufacturing Text Mining Based on Document Clustering and Topic Modeling Techniques

verfasst von : Peyman Yazdizadeh Shotorbani, Farhad Ameri, Boonserm Kulvatunyou, Nenad Ivezic

Erschienen in: Advances in Production Management Systems. Initiatives for a Sustainable World

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

As the volume of online manufacturing information grows steadily, the need for developing dedicated computational tools for information organization and mining becomes more pronounced. This paper proposes a novel approach for facilitating search and organization of textual documents and also extraction of thematic patterns in manufacturing corpora using document clustering and topic modeling techniques. The proposed method adopts K-means and Latent Dirichlet Allocation (LDA) algorithms for document clustering and topic modeling, respectively. Through experimental validation, it is shown that topic modeling, in conjunction with document clustering, facilitates automated annotation and classification of manufacturing webpages as well as extraction of useful patterns, thus improving the intelligence of supplier discovery and knowledge acquisition tools.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel The Paradigm Shift in Smart Manufacturing System Architecture

Nächstes Kapitel A Thermal System Based on Controlled Entropy for Treatment of Medical Waste by Solar Energy

Yazdizadeh, P., Ameri, F.: A text mining technique for manufacturing supplier classification. In: 35th Computers and Information in Engineering (CIE) Conference, ASME IDETC 2015 (2015)

Liu, Y., Kung, J, James, L., Hsu, Y.B.: Using text mining to handle unstructured data in semiconductor manufacturing. In: Joint e-Manufacturing and Design Collaboration Symposium (eMDC), International Symposium on Semiconductor Manufacturing (ISSM), pp. 1–3. IEEE, Piscataway (2015)

Dong, B., Liu, H.: Enterprise website topic modeling and web resource search. In: Sixth International Conference on Intelligent Systems Design and Applications (2006)

Blei, D.: Probabilistic topic models. Commun. ACM 55(4), 77–84 (2012)CrossRef

Manning, C., Raghavan, P., Schütze, H.: Introduction to Information Retrieval. Cambridge University Press, New York (2008)CrossRefMATH

Hofmann, T.: Probabilistic latent semantic indexing. In: Proceedings of the 15th Conference on Uncertainty in Artificial Intelligence (1999)

Steyvers, M., Griffiths, T.L.: Probabilistic topic models. In: Landauer, T., McNamara, D., Dennis, S., Kintsch, W. (eds.) Latent Semantic Analysis: A Road to Meaning. Laurence Erlbaum (2005)

Masseroli, M., Chicco, D., Pinoli, P.: Probabilistic latent semantic analysis for prediction of gene ontology annotations. In: The 2012 International Joint Conference on Neural Networks (2012)

Alghamdi, R., Alfalqi, K.: A survey of topic modeling in text mining. Int. J. Adv. Comput. Sci. Appl. 6(1) (2015)

10.

Blei, D.M., Ng, A.Y., Jordan, M.I.: Latent dirichlet allocation. J. Mach. Learn. Res. 3, 993–1022 (2003)MATH

11.

AlSumait, L., Barbará, D., Domeniconi, C.: On-line LDA: adaptive topic models for mining text streams with applications to topic detection and tracking. In: 2008 Eighth IEEE International Conference on Data Mining (2008)

12.

Shulong, T., Yang, L., Huan, S., Ziyu, G., Xifeng, Y., Jiajun, B., Chun, C., Xiaofei, H.: Interpreting the public sentiment variations on Twitter. IEEE Trans. Knowl. Data Eng. 26(5), 1158–1170 (2014)CrossRef

13.

Zhai, Z., Liu, B., Xu, H., Jia, P.: Constrained LDA for grouping product features in opinion mining. In: Huang, J.Z., Cao, L., Srivastava, J. (eds.) PAKDD 2011. LNCS (LNAI), vol. 6634, pp. 448–459. Springer, Heidelberg (2011). doi:10.1007/978-3-642-20841-6_37 CrossRef

14.

Hu, Y., Boyd-Graber, J., Satinoff, B., Smith, A.: Interactive topic modeling. Mach. Learn. 95(3), 423–469 (2013)MathSciNetCrossRef

15.

Yang, T.I., Torget, A.J., Mihalcea, R.: Topic modeling on historical newspapers. In: Proceedings of the 5th ACL-HLT Workshop on Language Technology for Cultural Heritage, Social Sciences, and Humanities, pp. 96–104 (2011)

16.

Kodinariya, T.M., Makwana, P.R.: Review on determining number of cluster in k-means clustering. Int. J. Adv. Res. Comput. Sci. Manage. Stud. 1(6), 90–95 (2013)

Titel: A Hybrid Method for Manufacturing Text Mining Based on Document Clustering and Topic Modeling Techniques
verfasst von: Peyman Yazdizadeh Shotorbani
Farhad Ameri
Boonserm Kulvatunyou
Nenad Ivezic
Verlag: Springer International Publishing
Buch: Advances in Production Management Systems. Initiatives for a Sustainable World
Print ISBN: 978-3-319-51132-0

Electronic ISBN: 978-3-319-51133-7

Copyright-Jahr: 2016
DOI: https://doi.org/10.1007/978-3-319-51133-7_91

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner