Neurosíťová booleovská faktorová analýza: efektivní nástroj pro automatické vyhledávání témet
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F06%3A00032258" target="_blank" >RIV/67985807:_____/06:00032258 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Neural Network Based Boolean Factor Analysis: Efficient Tool for Automated Topics Search.
Popis výsledku v původním jazyce
The paper describes an automatic document concepts searching metod based on recurrent neural network implementation of Boolean factor analysis procedure. Advantage of this approach is the ability of effective analysis of large natural language databases,with rich vocabulary and easy concepts update. Hoppfield-like associative memory with parallel dynamics was substantionaly modified to fulfill this task. We developed totally new recall procedure that allows for the search of all attractors corresponding to factors (a true attractor). Necessary separation of spurious attractors is based on calculation of their Lyapunov function. Being applied to textual data the procedure allows to reveal groups of highly correlated words (factors) which frequently occur in documents jointly and represent concepts covered by these documents.
Název v anglickém jazyce
Neural Network Based Boolean Factor Analysis: Efficient Tool for Automated Topics Search.
Popis výsledku anglicky
The paper describes an automatic document concepts searching metod based on recurrent neural network implementation of Boolean factor analysis procedure. Advantage of this approach is the ability of effective analysis of large natural language databases,with rich vocabulary and easy concepts update. Hoppfield-like associative memory with parallel dynamics was substantionaly modified to fulfill this task. We developed totally new recall procedure that allows for the search of all attractors corresponding to factors (a true attractor). Necessary separation of spurious attractors is based on calculation of their Lyapunov function. Being applied to textual data the procedure allows to reveal groups of highly correlated words (factors) which frequently occur in documents jointly and represent concepts covered by these documents.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
BB - Aplikovaná statistika, operační výzkum
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/1ET100300419" target="_blank" >1ET100300419: Inteligentní modely, algoritmy, metody a nástroje pro vytváření sémantického webu</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2006
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
Computer Science and Information Technology
ISBN
9957-8592-0-x
ISSN
—
e-ISSN
—
Počet stran výsledku
7
Strana od-do
321-327
Název nakladatele
Applied Science Private University
Místo vydání
Amman
Místo konání akce
Amman
Datum konání akce
5. 4. 2006
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—