Automatic text filtering using limited supervision learning for epidemic intelligence

Downloadstatistik des Dokuments (Auswertung nach COUNTER):

Stewart, Avaré Bonaparte: Automatic text filtering using limited supervision learning for epidemic intelligence. Hannover : Gottfried Wilhelm Leibniz Universität Hannover, Diss., 2014, 173 S.

Version im Repositorium

Zum Zitieren der Version im Repositorium verwenden Sie bitte diesen DOI: https://doi.org/10.15488/8373

Zeitraum, für den die Download-Zahlen angezeigt werden:

Jahr: 
Monat: 

Summe der Downloads: 261




Kleine Vorschau
Zusammenfassung: 
[no abstract]
Lizenzbestimmungen: Es gilt deutsches Urheberrecht. Das Dokument darf zum eigenen Gebrauch kostenfrei genutzt, aber nicht im Internet bereitgestellt oder an Außenstehende weitergegeben werden.
Publikationstyp: DoctoralThesis
Publikationsstatus: publishedVersion
Erstveröffentlichung: 2014
Die Publikation erscheint in Sammlung(en):Fakultät für Elektrotechnik und Informatik
Dissertationen

Verteilung der Downloads über den gewählten Zeitraum:

Herkunft der Downloads nach Ländern:

Pos. Land Downloads
Anzahl Proz.
1 image of flag of Germany Germany 78 29,89%
2 image of flag of Czech Republic Czech Republic 43 16,48%
3 image of flag of Russian Federation Russian Federation 42 16,09%
4 image of flag of United States United States 28 10,73%
5 image of flag of China China 15 5,75%
6 image of flag of France France 7 2,68%
7 image of flag of United Kingdom United Kingdom 5 1,92%
8 image of flag of Singapore Singapore 4 1,53%
9 image of flag of Romania Romania 4 1,53%
10 image of flag of Canada Canada 4 1,53%
    andere 31 11,88%

Weitere Download-Zahlen und Ranglisten:


Hinweis

Zur Erhebung der Downloadstatistiken kommen entsprechend dem „COUNTER Code of Practice for e-Resources“ international anerkannte Regeln und Normen zur Anwendung. COUNTER ist eine internationale Non-Profit-Organisation, in der Bibliotheksverbände, Datenbankanbieter und Verlage gemeinsam an Standards zur Erhebung, Speicherung und Verarbeitung von Nutzungsdaten elektronischer Ressourcen arbeiten, welche so Objektivität und Vergleichbarkeit gewährleisten sollen. Es werden hierbei ausschließlich Zugriffe auf die entsprechenden Volltexte ausgewertet, keine Aufrufe der Website an sich.