English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Pengklasteran obyek data merupakan salah satu cara untuk mendapatkan data, terutama data berdimensi tinggi. Obyek-obyek data mempunyai kemiripan ( similarity) yang tinggi akan berada dalam satu klaster, dan sebaliknya, berada pada klaster berbeda jika menunjukkan ketidakmiripan (dissimilarity) . Jenis data yang sering digunakan pada database/dataset adalah data kategoris diantaranya data dokumen. Pengklasteran koleksi buku merupakan salah satu contoh pengklasteran dokumen. Pengklasteran buku ini didasarkan pada kata penyusun judul buku yang digunakan bersama sebagai kata kunci yang menyatakan kedekatan topik antar kedua buku. Algoritma shared nearest neighbor (SNN) pada proses pengklasteran buku menempatkan buku-buku yang mempunyai ’tetangga’ sama berada dalam satu klaster jika jumlah shared nearest neighbor melebihi ambang batas yang ditentukan. Sifat ’ketetanggan’ sebuah buku akan memasukkan bukubuku ’tetangga’ nya dalam satu klaster, sehingga memungkinkan sebuah klaster memuat beberapa topik. Sebaliknya, sebuah buku berada pada beberapa klaster yang berlainan, jika lebih dari satu tokennya menjadi kata kunci. Untuk mendapatkan klaster-klaster yang memuat buku dengan kemiripan tinggi diperlukan pengujian untuk menentukan nilai parameter. Hasil pengujian menunjukkan pengklasteran dengan ketepatan tinggi memerlukan nilai k dan MinT yang rendah, sebaliknya nilai Eps tinggi.

PENGKLASTERAN DATA KATEGORIS DENGAN ALGORITMA SHARED NEAREST NEIGHBOR