Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Gaussian Process Classification for Segmenting and Annotating Sequences

Altun, Y., Hofmann, T., & Smola, A. (2004). Gaussian Process Classification for Segmenting and Annotating Sequences. In R. Greiner, & D. Schuurmans (Eds.), ICML '04: Twenty-First International Conference on Machine Learning (pp. 25-32). New York, USA: ACM Press.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-D8A5-0 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0005-52D1-2
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
https://dl.acm.org/citation.cfm?doid=1015330.1015433 (Verlagsversion)
Beschreibung:
-
OA-Status:
externe Referenz:
https://www.researchgate.net/publication/221345613_Gaussian_process_classification_for_segmenting_and_annotating_sequences (beliebiger Volltext)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Altun, Y1, Autor           
Hofmann, T1, Autor           
Smola, AJ1, Autor           
Affiliations:
1External Organizations, ou_persistent22              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: Many real-world classification tasks involve the prediction of multiple, inter-dependent class labels. A prototypical case of this sort deals with prediction of a sequence of labels for a sequence of observations. Such problems arise naturally in the context of annotating and segmenting observation sequences. This paper generalizes Gaussian Process classification to predict multiple labels by taking dependencies between neighboring labels into account. Our approach is motivated by the desire to retain rigorous probabilistic semantics, while overcoming limitations of parametric methods like Conditional Random Fields, which exhibit conceptual and computational difficulties in high-dimensional input spaces. Experiments on named entity recognition and pitch accent prediction tasks demonstrate the competitiveness of our approach.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2004-07
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: DOI: 10.1145/1015330.1015433
BibTex Citekey: 2740
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: Twenty-First International Conference on Machine Learning (ICML 2004)
Veranstaltungsort: Banff, Canada
Start-/Enddatum: 2004-07-04 - 2004-07-08

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: ICML '04: Twenty-First International Conference on Machine Learning
Genre der Quelle: Konferenzband
 Urheber:
Greiner, R, Herausgeber
Schuurmans, D, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: New York, USA : ACM Press
Seiten: - Band / Heft: - Artikelnummer: 4 Start- / Endseite: 25 - 32 Identifikator: ISBN: 1-58113-838-5