Language-Independent Text Classifier Base on Recurrent Neural Networks

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F19%3APU132446" target="_blank" >RIV/00216305:26220/19:PU132446 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Language-Independent Text Classifier Base on Recurrent Neural Networks

Popis výsledku v původním jazyce

This paper deals with a proposal of language independent text classifiers based on recurrent neural networks. They work at a character level thus they do not require any text preprocessing. The classifiers have been trained and evaluated on a multilingual data set that is privately collected from film review databases. It contains Czech (Slovak), English, German and Spanish language subset. The resulting accuracy of the proposed language independent classifiers base on the recurrent neural networks in polarity sentiment analysis task is 78.55%.

Název v anglickém jazyce

Language-Independent Text Classifier Base on Recurrent Neural Networks

Popis výsledku anglicky

This paper deals with a proposal of language independent text classifiers based on recurrent neural networks. They work at a character level thus they do not require any text preprocessing. The classifiers have been trained and evaluated on a multilingual data set that is privately collected from film review databases. It contains Czech (Slovak), English, German and Spanish language subset. The resulting accuracy of the proposed language independent classifiers base on the recurrent neural networks in polarity sentiment analysis task is 78.55%.

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)

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2019

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 25th Conference STUDENT EEICT 2019

ISBN

978-80-214-5735-5

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

754-758

Název nakladatele

Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií

Místo vydání

Brno

Místo konání akce

Brno

Datum konání akce

25. 4. 2019

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—