Recurrent Neural Network Based Boolean Factor Analysis and its Application to Word Clustering

Kód výsledku v IS VaVaI

RIV/67985807:_____/09:00321649 - isvavai.cz

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Recurrent Neural Network Based Boolean Factor Analysis and its Application to Word Clustering

Popis výsledku v původním jazyce

Neural network based algorithm for word clustering as an extension of the neural network based Boolean factor analysis algorithm is introduced. Technique based on a Bayesian procedure has been developed to provide a complete description of factors in terms of component probability and to enhance the accuracy of classification of documents. Method is applied to two types of textual data on Neural Networks in two different languages.

Název v anglickém jazyce

Recurrent Neural Network Based Boolean Factor Analysis and its Application to Word Clustering

Popis výsledku anglicky

Neural network based algorithm for word clustering as an extension of the neural network based Boolean factor analysis algorithm is introduced. Technique based on a Bayesian procedure has been developed to provide a complete description of factors in terms of component probability and to enhance the accuracy of classification of documents. Method is applied to two types of textual data on Neural Networks in two different languages.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

1M0567: Centrum aplikované kybernetiky

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2009

Kód důvěrnosti údajů

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

Název periodika

IEEE Transactions on Neural Networks

ISSN

1045-9227

e-ISSN

—

Svazek periodika

20

Číslo periodika v rámci svazku

7

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

14

Strana od-do

—

Kód UT WoS článku

000267941800002

EID výsledku v databázi Scopus

—