Automated Classification and Categorization of Mathematical Knowledge

ŘEHŮŘEK, Radim and Petr SOJKA. Automated Classification and Categorization of Mathematical Knowledge. In Intelligent Computer Mathematics: AISC/Calculemus/MKM LNAI 5144. první. Berlin, Heidelberg, New York: Springer-Verlag, 2008, p. 543-557. ISBN 978-3-540--85109-7.

Basic information

Original name

Automated Classification and Categorization of Mathematical Knowledge

Name in Czech

Automatická klasifikace a kategorizace matematiky

Authors

ŘEHŮŘEK, Radim (203 Czech Republic) and Petr SOJKA (203 Czech Republic, guarantor)

Edition

první. Berlin, Heidelberg, New York, Intelligent Computer Mathematics: AISC/Calculemus/MKM LNAI 5144, p. 543-557, 15 pp. 2008

Publisher

Springer-Verlag

---

Other information

Language

English

Type of outcome

Stať ve sborníku

Field of Study

10201 Computer sciences, information science, bioinformatics

Country of publisher

United Kingdom of Great Britain and Northern Ireland

Confidentiality degree

není předmětem státního či obchodního tajemství

References:

web of conference paper preprint Springer Link ACM Portal

Impact factor

Impact factor: 0.402 in 2005

RIV identification code

RIV/00216224:14330/08:00024245

Organization unit

Faculty of Informatics

ISBN

978-3-540--85109-7

ISSN

UT WoS

000258392600043

Keywords (in Czech)

strojové učení; klasifikace; kategorizace; podobnost matematických dokumentů; správa matematických znalostí

Keywords in English

machine learning; classification; categorization; similarity of mathematical papers; mathematical knowledge management; MSC;mathematical subject classification

Tags

categorization, CLASSIFICATION, machine learning, mathematical knowledge management, mathematical subject classification, MSC, similarity of mathematical papers

Tags

International impact, Reviewed

---

Abstract

V originále

There is a common Mathematics Subject Classification (MSC) System used for categorizing mathematical papers and knowledge. We present results of machine learning of the MSC on full texts of papers in the mathematical digital libraries DML-CZ and NUMDAM. The F1-measure achieved on classification task of top-level MSC categories exceeds 89%. We describe and evaluate our methods for measuring the similarity. of papers in the digital library based on paper full texts.

In Czech

Existuje široce používaný systém Mathematics Subject Classification (MSC) pro kategorizaci a vyhledávání matematických článků a textů. Preyentujeme výsledky strojového učení MSC z článků digitálních knihoven DML-CZ a NUMDAM. Míra F1 získaná při vyhodnocení klasifikace hlavních MSC kategorií přesahuje 89%. Popisujeme a vyhodnocujeme naše metody pro měření podobnosti.

---

Links

LC536, research and development project	Name: Centrum komputační lingvistiky Investor: Ministry of Education, Youth and Sports of the CR, Centrum komputační lingvistiky
1ET200190513, research and development project	Name: DML-CZ: Česká digitální matematická knihovna Investor: Academy of Sciences of the Czech Republic, DML-CZ: Czech Digital Mathematical Library
1ET208050401, research and development project	Name: E-learning v kontextu sémantického webu Investor: Academy of Sciences of the Czech Republic, E-learning in the Semantic Web Context
2C06009, research and development project	Name: Prostředky tvorby komplexní báze znalostí pro komunikaci se sémantickým webem v přirozeném jazyce (Acronym: COT-SEWing) Investor: Ministry of Education, Youth and Sports of the CR