Linguistically independent sentiment analysis using convolutional-recurrent neural networks model

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>

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.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20203 - Telecommunications

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)

Rok uplatnění

2019

Kód důvěrnosti údajů

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

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