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