Dynamic Threshold Selection Method for Multi-label Newspaper Topic Identification

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F13%3A43920730" target="_blank" >RIV/49777513:23520/13:43920730 - isvavai.cz</a>

Výsledek na webu

<a href="http://link.springer.com/chapter/10.1007/978-3-642-40585-3_27" target="_blank" >http://link.springer.com/chapter/10.1007/978-3-642-40585-3_27</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-642-40585-3_27" target="_blank" >10.1007/978-3-642-40585-3_27</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Dynamic Threshold Selection Method for Multi-label Newspaper Topic Identification

Popis výsledku v původním jazyce

Nowadays, the multi-label classification is increasingly required in modern categorization systems. It is especially essential in the task of newspaper article topics identification. This paper presents a method based on general topic model normalisationfor finding a threshold defining the boundary between the "correct" and the "incorrect" topics of a newspaper article. The proposed method is used to improve the topic identification algorithm which is a part of a complex system for acquisition and storing large volumes of text data. The topic identification module uses the Naive Bayes classifier for the multiclass and multi-label classification problem and assigns to each article the topics from a defined quite extensive topic hierarchy - it containsabout 450 topics and topic categories. The results of the experiments with the improved topic identification algorithm are presented in this paper.

Název v anglickém jazyce

Dynamic Threshold Selection Method for Multi-label Newspaper Topic Identification

Popis výsledku anglicky

Nowadays, the multi-label classification is increasingly required in modern categorization systems. It is especially essential in the task of newspaper article topics identification. This paper presents a method based on general topic model normalisationfor finding a threshold defining the boundary between the "correct" and the "incorrect" topics of a newspaper article. The proposed method is used to improve the topic identification algorithm which is a part of a complex system for acquisition and storing large volumes of text data. The topic identification module uses the Naive Bayes classifier for the multiclass and multi-label classification problem and assigns to each article the topics from a defined quite extensive topic hierarchy - it containsabout 450 topics and topic categories. The results of the experiments with the improved topic identification algorithm are presented in this paper.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/LM2010013" target="_blank" >LM2010013: LINDAT-CLARIN: Institut pro analýzu, zpracování a distribuci lingvistických dat</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2013

Kód důvěrnosti údajů

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

Název statě ve sborníku

Text, Speech and Dialogue

ISBN

978-3-642-40584-6

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

8

Strana od-do

209-216

Název nakladatele

Springer

Místo vydání

Heidelberg

Místo konání akce

Plzeň

Datum konání akce

1. 9. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—