Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Learning Word-to-Concept Mappings for Automatic Text Classification

Ifrim, G., Theobald, M., & Weikum, G. (2005). Learning Word-to-Concept Mappings for Automatic Text Classification. In Proceedings of the 22nd International Conference on Machine Learning - Learning in Web Search (LWS 2005) (pp. 18-26). Bonn, Germany: ICMLW4-LWS2005.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-000F-26F0-F Versions-Permalink: https://hdl.handle.net/11858/00-001M-0000-000F-26F1-D
Genre: Konferenzbeitrag

Dateien

einblenden: Dateien
ausblenden: Dateien
:
icml-lws05-final.pdf (beliebiger Volltext), 168KB
 
Datei-Permalink:
-
Name:
icml-lws05-final.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Privat
MIME-Typ / Prüfsumme:
application/pdf
Technische Metadaten:
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Ifrim, Georgiana1, Autor           
Theobald, Martin1, Autor           
Weikum, Gerhard1, Autor           
De Raedt, Luc2, Herausgeber
Wrobel, Stefan2, Herausgeber
Affiliations:
1Databases and Information Systems, MPI for Informatics, Max Planck Society, ou_24018              
2Max Planck Society, ou_persistent13              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: For both classification and retrieval of natural language text documents, the standard document representation is a term vector where a term is simply a morphological normal form of the corresponding word. A potentially better approach would be to map every word onto a concept, the proper word sense and use this additional information in the learning process. In this paper we address the problem of automatically classifying natural language text documents. We investigate the effect of word to concept mappings and word sense disambiguation techniques on improving classification accuracy. We use the WordNet thesaurus as a background knowledge base and propose a generative language model approach to document classification. We show experimental results comparing the performance of our model with Naive Bayes and SVM classifiers.

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 2006-04-282005
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: Bonn, Germany : ICMLW4-LWS2005
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: eDoc: 278919
Anderer: Local-ID: C1256DBF005F876D-BC3232B5ED843139C12570D800563057-IfrimTW-ICML2005
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: Untitled Event
Veranstaltungsort: Bonn, Germany
Start-/Enddatum: 2005-08-07

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Proceedings of the 22nd International Conference on Machine Learning - Learning in Web Search (LWS 2005)
Genre der Quelle: Konferenzband
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: Bonn, Germany : ICMLW4-LWS2005
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 18 - 26 Identifikator: ISBN: 1-59593-180-5