2005
Selecting Interesting Articles Using Their Similarity Based Only on Positive Examples
HROZA, Jiří a Jan ŽIŽKAZákladní údaje
Originální název
Selecting Interesting Articles Using Their Similarity Based Only on Positive Examples
Název česky
Výběr zajímavých článků pomocí jejich podobnosti k relevantním příkladům
Autoři
HROZA, Jiří (203 Česká republika, garant) a Jan ŽIŽKA (203 Česká republika)
Vydání
Germany, Computational linguistics and Intelligent Text Processing, od s. 608-611, 4 s. 2005
Nakladatel
Springer-Verlag Berlin Heidelberg
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Německo
Utajení
není předmětem státního či obchodního tajemství
Kód RIV
RIV/00216224:14330/05:00013632
Organizační jednotka
Fakulta informatiky
ISBN
3-540-24523-5
UT WoS
000228725100065
Klíčová slova anglicky
machine learning; text categorization; text filtration; text similarity; k-NN; ranking
Změněno: 1. 3. 2005 13:35, RNDr. Jiří Hroza
V originále
The task of automated searching for interesting text documents frequently suffers from a~very poor balance among documents representing both positive and negative examples or from one completely missing class. This paper suggests the ranking approach based on the k-NN algorithm adapted for determining the similarity degree of new documents just to the representative positive collection. From the viewpoint of the precision-recall relation, a~user can decide in advance how many and how similar articles should be released through a filter.
Česky
Automatizované vyhledávání zajímavých článků často trpí nevyvážeností tříd reprezentujících pozitivní a negativní příklady nebo přímo chybějící třídou. Tento článek navrhuje přístup založený na algoritmu k-NN modifikovaném pro seřazení neznámých dokumentů jen na základě pozitivních příkladů. Z pohledu přesnosti a pokrytí se může uživatel rozhodnout, jak mnoho zajímavých článků má být tímto algoritmem propuštěno.
Návaznosti
| MSM 143300003, záměr |
|