Powering Complex Business Signals' Classification using Enriched Taxonomy by Existing Data Sources - Laboratoire d'Informatique de Bourgogne Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Powering Complex Business Signals' Classification using Enriched Taxonomy by Existing Data Sources

Muhammad Arslan
Equipe Science des Données [LIB - EA 7534]
Christophe Cruz
Laboratoire d'Informatique de Bourgogne [Dijon]
CV

Domaines

Informatique [cs]
Fichier principal
Vignette du fichier
Version May 16, 2022.pdf (149.26 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Muhammad Arslan  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03813888

Soumis le : jeudi 13 octobre 2022-15:44:23

Dernière modification le : lundi 8 janvier 2024-11:36:02

Archivage à long terme le : samedi 14 janvier 2023-19:51:37

Télécharger pour visualiser

Dates et versions

hal-03813888 , version 1 (13-10-2022)

Identifiants

  • HAL Id : hal-03813888 , version 1

Citer

Muhammad Arslan, Christophe Cruz. Powering Complex Business Signals' Classification using Enriched Taxonomy by Existing Data Sources. FRENCH REGIONAL CONFERENCE ON COMPLEX SYSTEMS – FRCCS 2022, Jun 2022, Paris, France. ⟨hal-03813888⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

UNIV-BOURGOGNE LIB_UB LIB-SCDONN
17 Consultations
22 Téléchargements

Partager

Gmail Facebook X LinkedIn More