%0 Journal Article
%T Unsupervised learning in latent space with a fuzzy logic guided modified ba
%A Kiełkowicz, Kazimierz
%J Czasopismo Techniczne
%V 2018
%R 10.4467/2353737XCT.18.121.8896
%N Volume 8 Year 2018 (115)
%P 141-153
%K klasteryzacja dokumentów, uczenie nienadzorowane, BA, logika rozmyta ; document clustering, unsupervised machine learning, fuzzy logic
%@ 0011-4561
%D 2018
%U https://ejournals.eu/czasopismo/czasopismo-techniczne/artykul/unsupervised-learning-in-latent-space-with-a-fuzzy-logic-guided-modified-ba
%X 
	W publikacji zmodyfikowany algorytm nietoperzowy z  rozmytym kontrolerem typu mamdaniego został zastosowany do problemu analizy skupisk dla danych tekstowych. Proces uczenia odbywa się w przestrzeni skompresowanej, otrzymanej z dekompozycji svD zbioru uczącego. Prezentowany algorytm uczy się jednocześnie optymalnego pokrycia klastrami przestrzeni oraz liczebności klastrów. Do oceny jakości rozwiązania zastosowano wskaźnik sillhouette. Dane w  reprezentacji wektorowej otrzymano z wykorzystaniem transformacji Tf-IDf.  Prezentowany algorytm przetestowana na zbiorze „20 newsgroup”. 

	 

	In this paper, a modified bat algorithm with fuzzy inference Mamdani-type system is applied to the problem of document clustering in a semantic features space induced by SV D decomposition. The algorithm learns the optimal clustering of the documents as well as the optimal number of clusters in a concept space; thus, making it suitable for a large and spare dataset which occur in information retrieval system. A centroidbased solution in multidimensional space is evaluated with a silhouette index. A TF-IDF method is used to represent documents in vector space. The presented algorithm is tested on the 20 Newsgroup dataset.