Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Support vector machine learning for interdependent and structured output spaces

Tsochantaridis, I., Hofmann, T., Joachims, T., & Altun, Y. (2004). Support vector machine learning for interdependent and structured output spaces. In R. Greiner, & D. Schuurmans (Eds.), ICML '04: Twenty-first International Conference on Machine Learning (pp. 823-830). New York, NY, USA: ACM Press.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-D8AB-4 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0005-52CC-9
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
https://dl.acm.org/citation.cfm?doid=1015330.1015341 (Verlagsversion)
Beschreibung:
-
OA-Status:
externe Referenz:
https://www.cs.cornell.edu/people/tj/publications/tsochantaridis_etal_04a.pdf (beliebiger Volltext)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Tsochantaridis, I, Autor
Hofmann, T1, Autor           
Joachims, T, Autor
Altun, Y1, Autor           
Affiliations:
1External Organizations, ou_persistent22              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: Learning general functional dependencies is one of the main goals in machine learning. Recent progress in kernel-based methods has focused on designing flexible and powerful input representations. This paper addresses the complementary issue of problems involving complex outputs such as multiple dependent output variables and structured output spaces. We propose to generalize multiclass Support Vector Machine learning in a formulation that involves features extracted jointly from inputs and outputs. The resulting optimization problem is solved efficiently by a cutting plane algorithm that exploits the sparseness and structural decomposition of the problem. We demonstrate the versatility and effectiveness of our method on problems ranging from supervised grammar learning and named-entity recognition, to taxonomic text classification and sequence alignment.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2004-07
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: DOI: 10.1145/1015330.1015341
BibTex Citekey: TsochantaridisHJA2004
 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, NY, USA : ACM Press
Seiten: - Band / Heft: - Artikelnummer: 104 Start- / Endseite: 823 - 830 Identifikator: ISBN: 1-58113-838-5