Investigation of Latent Semantic Analysis for Clustering of Czech News Articles

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24220%2F14%3A%230002973" target="_blank" >RIV/46747885:24220/14:#0002973 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/DEXA.2014.54" target="_blank" >http://dx.doi.org/10.1109/DEXA.2014.54</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/DEXA.2014.54" target="_blank" >10.1109/DEXA.2014.54</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Investigation of Latent Semantic Analysis for Clustering of Czech News Articles

Popis výsledku v původním jazyce

This paper studies the use of Latent Semantic Analysis (LSA) for automatic clustering of Czech news articles. We show that LSA is capable of yielding good results in this task as it allows us to reduce the problem of synonymy. This is a very important factor particularly for Czech, which belongs to a group of highly inflective and morphologicallyrich languages. The experimental evaluation of our clustering scheme and investigation of LSA is performed on query-and category-based test sets. The obtained results demonstrate that the automatic system yields values of the Rand index that are absolutely lower -- by 20% -- than the accuracy of human cluster annotations. We also show which similarity metric should be used for cluster merging and the effect ofdimension reduction on clustering accuracy.

Název v anglickém jazyce

Investigation of Latent Semantic Analysis for Clustering of Czech News Articles

Popis výsledku anglicky

This paper studies the use of Latent Semantic Analysis (LSA) for automatic clustering of Czech news articles. We show that LSA is capable of yielding good results in this task as it allows us to reduce the problem of synonymy. This is a very important factor particularly for Czech, which belongs to a group of highly inflective and morphologicallyrich languages. The experimental evaluation of our clustering scheme and investigation of LSA is performed on query-and category-based test sets. The obtained results demonstrate that the automatic system yields values of the Rand index that are absolutely lower -- by 20% -- than the accuracy of human cluster annotations. We also show which similarity metric should be used for cluster merging and the effect ofdimension reduction on clustering accuracy.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

<a href="/cs/project/TA01011204" target="_blank" >TA01011204: Živé archivy</a><br>

Návaznosti

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

Rok uplatnění

2014

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proc. of International Workshop on Database and Expert Systems Applications (DEXA), 2014 25th

ISBN

978-1-4799-5721-7

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

223-227

Název nakladatele

IEEE

Místo vydání

Německo

Místo konání akce

Mnichov, Německo

Datum konání akce

1. 1. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—