Introduction of the weight edition errors in the Levenshtein distance

Gueddah, Hicham; Yousfi, Abdallah; Mostapha, Belkasmi

doi:10.14569/ijarai.2012.010506

Cited by 20 publications

(6 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The Levenstein Distance is a method for quantifying the similarity between two strings. It involves determining the minimum number of edit operations required to transform one string into another such as insertions, substitutions, and deletions.…”

Section: Experiments and Resultsmentioning

confidence: 99%

Image2InChI: Automated Molecular Optical Image Recognition

Li,

Xu,

Pan

et al. 2024

J. Chem. Inf. Model.

View full text Add to dashboard Cite

The accurate identification and analysis of chemical structures in molecular images are prerequisites of artificial intelligence for drug discovery. It is important to efficiently and automatically convert molecular images into machine-readable representations. Therefore, in this paper, we propose an automated molecular optical image recognition model based on deep learning, called Image2InChI. Additionally, the proposed Image2InChI introduces a novel feature fusion network with attention to integrate image patch and InChI prediction. The improved SwinTransformer as an encoder and the Transformer Decoder as a decoder with patch embedding are applied to predict the image features for the corresponding InChI. The experimental results showed that the Image2InChI model achieves an accuracy of InChI (InChI acc) of 99.8%, a Morgan FP of 94.1%, an accuracy of maximum common structures (MCS acc) of 94.8%, and an accuracy of longest common subsequence (LCS acc) of 96.2%. The experiments demonstrated that the proposed Image2InChI model improves the accuracy and efficiency of molecular image recognition and provided a valuable reference about optical chemical structure recognition for InChI.

show abstract

Section: Experiments and Resultsmentioning

confidence: 99%

Image2InChI: Automated Molecular Optical Image Recognition

Li,

Xu,

Pan

et al. 2024

J. Chem. Inf. Model.

View full text Add to dashboard Cite

show abstract

“…When the length of the candidates and the misspelled word are equal, the conventional approach yields identical edit distances, indicating an insufficient and unhelpful ranking. This necessitates the conversion of the initial version into a weighted version [31] by assigning a distinct weight to each editing operation, as in (1). When the enhanced algorithm is applied to the example, " ‫بريطاني‬ ‫باحث‬ ‫كضف‬ ‫متيرة‬ ‫دراشة‬ ‫في‬ ‫هذا‬ ‫‪/A‬عن‬ British researcher revealed this in an exciting study," the candidates are ranked in descending order, assigning a high score to the correct suggestion, as shown in Table 7.…”

Section: Ranking Candidatesmentioning

confidence: 99%

Implementation of an Arabic spell checker

Kassmi,

Mbarki,

Mouloudi

2024

IJEECS

View full text Add to dashboard Cite

This paper outlines the implementation of a spell checker for the Arabic language, leveraging the capabilities of NooJ and its functionality, specifically noojapply. In this paper, we shall proceed to provide clear definitions and comprehensive descriptions of several categories of spelling errors. Next, we will provide a comprehensive introduction to the NooJ platform and its command-line utility, noojapply. In the subsequent section, we shall outline the four main phases of our spell checker prototype. We intend to develop a local grammar in NooJ for the purpose of error detection. Afterwards, a morphological grammar and a local grammar will be created in NooJ with the aim of providing an exhaustive list of possible corrections. Following that, a revised algorithm will be employed to arrange these candidates in descending order of ranking. Subsequently, a web user interface will be developed to visually represent our research efforts. Finally, we will proceed to showcase a series of tests and evaluations conducted on our prototype, Al Mudaqiq.

show abstract

“…Algoritma unsupervised learning yang menjadi fokus pada penelitian ini adalah Levenshtein Distance (LD) dan K-Means Clustering. LD merupakan algoritma yang mengukur kesamaan antara 2 string yakni string sumber (s) dengan string target (t), algoritma ini ditemukan oleh Vladimir Losifovich Levenshtein yang merupakan ilmuan dari Rusia pada tahun 1965 [10]. Cara kerja algoritma ini yaitu mensimulasikan data melalui model matriks.…”

Section: Pendahuluanunclassified

“…Samit Ghosal dkk (2020) melakukan analisis regresi sederhana untuk menilai tingkat perubahan infeksi dan tingkat kematian pada penyebaran infeksi SARS-CoV-2, dengan menganalisis menggunakan algoritma k-means dan klaster hierarki untuk mengidentifikasi negara-negara yang memiliki kinerja serupa dalam pemberlakuan lockdown guna penanganan penyebaran infeksi SARS-CoV-2 yang terdapat di negara-negara tertentu [16]. Gueddah Hicham dkk (2012) menyajikan pendekatan baru yang didedikasikan untuk mengoreksi kesalahan ejaan bahasa arab, pendekatan yang dilakukan mengoreksi kesalahan ketik ejaan seperti memasukkan, menghapus, dan permutasi dengan algoritma Levenshtein distance [10].…”

Section: Pendahuluanunclassified

See 1 more Smart Citation

Model Machine Learning Klasifikasi Data Sekolah TK Berdasarkan Status dan Kabupaten

Rahman,

Ismawan

2022

FaktorExacta

View full text Add to dashboard Cite

Klasifikasi status sekolah menjadi parameter khusus bagi beberapa kalangan orang tua dalam melakukan pemilihan sekolah untuk anak-anaknya yang dinginkan, beberapa permasalahan orang tua dalam mempertimbangkan penentuan sekolah salah satunya adalah status sekolah, jumlah sekolah, jumlah guru, jumlah murid dan jumlah ruang kelas. Makalah ini melaporkan bahwa data status sekolah TK kabupaten dan kota administrasi provinsi DKI Jakarta dapat dilakukan klasifikasi berdasarkan cluster dan domain data, dengan mempartisi data ke dalam cluster. Karakteristik data yang sama dapat dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karateristik yang berbeda dikelompokan ke dalam cluster yang lain. Sehingga dapat memudahkan masalah orang tua dalam menentukan sekolah yang diinginkan sesuai dengan parameter data yang dimiliki. Metode klasifikasi yang digunakan adalah Levenshtein Distance dan K-Means Clustering, sumber data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh data.jakarta.go.id. Data sekunder yang digunakan adalah data sekolah dari 12 record kabupaten dan kota di Jakarta. Penelitian ini bertujuan untuk memodelkan data dan menentukan kriteria sekolah serta menganalisis akurasi klasifikasi sekolah yang sesuai dengan parameter yang orang tua inginkan dengan menggunakan kedua metode tersebut dalam klasifikasi pemilihan data sekolah TK berdasarkan status dan kabupaten/kota administrasi provinsi DKI Jakarta. Setelah dilakukan pengujian maka hasil Silhouette Score berdasarkan Average dari 4 atribut yaitu Cluster C1 dari score 0,691355 sampai 0,718406, Cluster C2 dari score 0,745171 sampai 0,747778 dan Cluster C3 dari score 0,601115 sampai 0,647377. Hasil Penelitian ini berupa pemodelan data dengan menggunakan parameter yang diambil dari data.jakarta.go.id kemudian diuji menggunakan beberapa model klasifikasi yang terdapat pada Machine Learning.

show abstract

Introduction of the weight edition errors in the Levenshtein distance

Cited by 20 publications

References 5 publications

Image2InChI: Automated Molecular Optical Image Recognition

Image2InChI: Automated Molecular Optical Image Recognition

Implementation of an Arabic spell checker

Model Machine Learning Klasifikasi Data Sekolah TK Berdasarkan Status dan Kabupaten

Contact Info

Product

Resources

About