Interdependence of text mining quality and the input data preprocessing
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62156489%3A43110%2F15%3A43906660" target="_blank" >RIV/62156489:43110/15:43906660 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-319-18476-0_15" target="_blank" >http://dx.doi.org/10.1007/978-3-319-18476-0_15</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-18476-0_15" target="_blank" >10.1007/978-3-319-18476-0_15</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Interdependence of text mining quality and the input data preprocessing
Popis výsledku v původním jazyce
The paper focuses on preprocessing techniques application to short informal textual documents created in different natural languages. The goal is to evaluate the impact on the quality of the results and computational complexity of the text mining processdesigned to reveal knowledge hidden in the data. Extensive number of experiments were carried out with real world text data with correction of spelling errors, stemming, stop words removal, and their combinations applied. Support vector machine, decision trees, and k-means algorithms as the commonly used methods were considered to analyze the text data. The text mining quality was generally not influenced significantly, however, the positive impact represented by the decreased computational complexitywas observed.
Název v anglickém jazyce
Interdependence of text mining quality and the input data preprocessing
Popis výsledku anglicky
The paper focuses on preprocessing techniques application to short informal textual documents created in different natural languages. The goal is to evaluate the impact on the quality of the results and computational complexity of the text mining processdesigned to reveal knowledge hidden in the data. Extensive number of experiments were carried out with real world text data with correction of spelling errors, stemming, stop words removal, and their combinations applied. Support vector machine, decision trees, and k-means algorithms as the commonly used methods were considered to analyze the text data. The text mining quality was generally not influenced significantly, however, the positive impact represented by the decreased computational complexitywas observed.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2015
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
Artificial Intelligence Perspectives and Applications. Volume 1
ISBN
978-3-319-18475-3
ISSN
2194-5357
e-ISSN
—
Počet stran výsledku
10
Strana od-do
141-150
Název nakladatele
Springer Switzerland
Místo vydání
Cham
Místo konání akce
Zlín
Datum konání akce
27. 4. 2015
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000371407800015