D 2005

Segmentation of texts and biological sequences into lexical and structural units using a machine-learning approach

HUDÍK, Tomáš and Matej LEXA

Basic information

Original name

Segmentation of texts and biological sequences into lexical and structural units using a machine-learning approach

Name in Czech

Segmentácia textov a biologických sekvencií do lexikálnych a štrukturálnych jednotiek použitím metód strojového učenia

Authors

HUDÍK, Tomáš (703 Slovakia, guarantor) and Matej LEXA (703 Slovakia)

Edition

Brno, Proceedings of the 1st International Summer School on Computational Biology, p. 50-56, 8 pp. 2005

Publisher

L. Dušek, L., J. Hřebíček, L. Jarkovský

Other information

Language

English

Type of outcome

Stať ve sborníku

Field of Study

10201 Computer sciences, information science, bioinformatics

Country of publisher

Czech Republic

Confidentiality degree

není předmětem státního či obchodního tajemství

References:

URL

RIV identification code

RIV/00216224:14330/05:00014589

Organization unit

Faculty of Informatics

ISBN

80-210-3907-8

Keywords in English

machine learning ; segmentation; I-sites

Tags

I-sites, machine learning, segmentation
Změněno: 31/1/2006 12:00, Mgr. Tomáš Hudík

Abstract

ORIG CZ

V originále

Results demonstrate that segmentation problems in the linguistic domain and protein sequence domain are similar and can be treated with similar computational tools. From our point of view protein sequences contain segments that are analogical to words in natural language.

In Czech

Výsledky ukazujú, že problém segmentácie v oblasti lingvistiky a proteínových sekvencií sú podobné a môžu sa spracovávať podobnými výpočtovými nástrojmi. Z nášho pohľadu proteínové sekvencie obsahujú segmenty podobné slovám v prirodzenom jazyku.

Links

MSM 143300003, plan (intention)
Name: Interakce člověka s počítačem, dialogové systémy a asistivní technologie
Investor: Ministry of Education, Youth and Sports of the CR, Human-computer interaction, dialog systems and assistive technologies
Displayed: 9/11/2024 00:10