Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Genetic Optimization of Big Data Sentiment Analysis

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F17%3APU122812" target="_blank" >RIV/00216305:26220/17:PU122812 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://ieeexplore.ieee.org/document/8049932" target="_blank" >https://ieeexplore.ieee.org/document/8049932</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/SPIN.2017.8049932" target="_blank" >10.1109/SPIN.2017.8049932</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Genetic Optimization of Big Data Sentiment Analysis

  • Popis výsledku v původním jazyce

    This paper deals with opinion mining from unstructured textual documents. The proposed method focuses on approach with minimum preliminary requirements about the knowledge of the analysed language and thus it can be deployed to any language. The proposed method builds on artificial intelligence, which consists of Support Vector Machines classifier, Big Data analysis and genetic algorithm optimization. To make the optimization feasible together with big data approach we have proposed GA operators, which significantly accelerate conversion to the accurate solutions. In this work we outperformed the traditional approaches (which use language dependent text preprocessing) for text valence classification with the highest achieved accuracy 90.09 %. The data set for validation was Czech texts.

  • Název v anglickém jazyce

    Genetic Optimization of Big Data Sentiment Analysis

  • Popis výsledku anglicky

    This paper deals with opinion mining from unstructured textual documents. The proposed method focuses on approach with minimum preliminary requirements about the knowledge of the analysed language and thus it can be deployed to any language. The proposed method builds on artificial intelligence, which consists of Support Vector Machines classifier, Big Data analysis and genetic algorithm optimization. To make the optimization feasible together with big data approach we have proposed GA operators, which significantly accelerate conversion to the accurate solutions. In this work we outperformed the traditional approaches (which use language dependent text preprocessing) for text valence classification with the highest achieved accuracy 90.09 %. The data set for validation was Czech texts.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    2017 4th International Conference on Signal Processing and Integrated Networks (SPIN)

  • ISBN

    978-1-5090-2796-5

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

    141-144

  • Název nakladatele

    Neuveden

  • Místo vydání

    neuveden

  • Místo konání akce

    Dept. of ECE, ASET, Amity University, Noida Sec-

  • Datum konání akce

    2. 2. 2017

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000426076800029