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”

Linguistically independent sentiment analysis using convolutional-recurrent neural networks model

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F19%3APU132720" target="_blank" >RIV/00216305:26220/19:PU132720 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1109/TSP.2019.8768887" target="_blank" >http://dx.doi.org/10.1109/TSP.2019.8768887</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/TSP.2019.8768887" target="_blank" >10.1109/TSP.2019.8768887</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Linguistically independent sentiment analysis using convolutional-recurrent neural networks model

  • Popis výsledku v původním jazyce

    Text classification is a process which analyses text and assigns one or more classes to it based on its content. This paper introduces a linguistically independent text classifier based on convolutional–recurrent neural networks. The classifier works at character level instead of some higher structures such as words, sentences, etc. To evaluate the accuracy of the proposed methodology, the Yelp data set and other multilingual data set obtained from film review databases containing Czech, German and Spanish languages were used. The resulting accuracy on the Yelp data set is 93,64 %. We also proved that the proposed model can work for various languages.

  • Název v anglickém jazyce

    Linguistically independent sentiment analysis using convolutional-recurrent neural networks model

  • Popis výsledku anglicky

    Text classification is a process which analyses text and assigns one or more classes to it based on its content. This paper introduces a linguistically independent text classifier based on convolutional–recurrent neural networks. The classifier works at character level instead of some higher structures such as words, sentences, etc. To evaluate the accuracy of the proposed methodology, the Yelp data set and other multilingual data set obtained from film review databases containing Czech, German and Spanish languages were used. The resulting accuracy on the Yelp data set is 93,64 %. We also proved that the proposed model can work for various languages.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20203 - Telecommunications

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

    2019

  • 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

    2019 42nd International Conference on Telecommunications and Signal Processing (TSP)

  • ISBN

    978-1-7281-1864-2

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

    212-215

  • Název nakladatele

    IEEE

  • Místo vydání

    Budapest, Hungary

  • Místo konání akce

    Budapest, Hungary

  • Datum konání akce

    1. 7. 2019

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000493442800046