Improving Multi-label Document Classification of Czech News Articles

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F15%3A43926586" target="_blank" >RIV/49777513:23520/15:43926586 - isvavai.cz</a>

Výsledek na webu

<a href="http://link.springer.com/chapter/10.1007/978-3-319-24033-6_35" target="_blank" >http://link.springer.com/chapter/10.1007/978-3-319-24033-6_35</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-24033-6_35" target="_blank" >10.1007/978-3-319-24033-6_35</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Improving Multi-label Document Classification of Czech News Articles

Popis výsledku v původním jazyce

In this paper, we present our improvement of a multi-label document classifier for text filtering in a corpus containing Czech news articles, where relevant topics of an arbitrary document are to be assigned automatically. Different vector space models, different classifiers and different thresholding strategies were investigated and the performance was measured in terms of sample-wise average F1 score. Results of this paper show that we can improve the performance of our baseline naive Bayes classifier by 25% relatively when using linear SVC classifier with sublinear tf-idf vector space model, and another 6.1% relatively when using regressor-based sample-wise thresholding strategy.

Název v anglickém jazyce

Improving Multi-label Document Classification of Czech News Articles

Popis výsledku anglicky

In this paper, we present our improvement of a multi-label document classifier for text filtering in a corpus containing Czech news articles, where relevant topics of an arbitrary document are to be assigned automatically. Different vector space models, different classifiers and different thresholding strategies were investigated and the performance was measured in terms of sample-wise average F1 score. Results of this paper show that we can improve the performance of our baseline naive Bayes classifier by 25% relatively when using linear SVC classifier with sublinear tf-idf vector space model, and another 6.1% relatively when using regressor-based sample-wise thresholding strategy.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

<a href="/cs/project/GBP103%2F12%2FG084" target="_blank" >GBP103/12/G084: Centrum pro multi-modální interpretaci dat velkého rozsahu</a><br>

Návaznosti

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

Rok uplatnění

2015

Kód důvěrnosti údajů

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

Název statě ve sborníku

Text, Speech, and Dialogue, 18th International Conference, TSD 2015, Pilsen,Czech Republic, September 14-17, 2015, Proceedings

ISBN

978-3-319-24032-9

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

9

Strana od-do

307-315

Název nakladatele

Springer

Místo vydání

Berlin

Místo konání akce

Plzeň, Czech Republic

Datum konání akce

14. 9. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000365947800035