Počet záznamů: 1
Using Artificial Neural Networks to Determine Ontologies Most Relevant to Scientific Texts
- 1.
SYSNO ASEP 0565961 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Using Artificial Neural Networks to Determine Ontologies Most Relevant to Scientific Texts Tvůrce(i) Korel, L. (CZ)
Behr, A. S. (DE)
Kockmann, N. (DE)
Holeňa, Martin (UIVT-O) SAI, RIDCelkový počet autorů 4 Zdroj.dok. Proceedings of the 22st Conference Information Technologies – Applications and Theory (ITAT 2022). - Aachen : Technical University & CreateSpace Independent Publishing, 2022 / Ciencialová L. ; Holeňa M. ; Jajcay R. ; Jajcayová R. ; Mráz F. ; Pardubská D. ; Plátek M. - ISSN 1613-0073 Rozsah stran s. 44-54 Poč.str. 11 s. Forma vydání Online - E Akce ITAT 2022: Conference Information Technologies - Applications and Theory /22./ Datum konání 23.09.2022 - 27.09.2022 Místo konání Zuberec Země SK - Slovensko Typ akce EUR Jazyk dok. eng - angličtina Země vyd. DE - Německo Klíč. slova ontology ; text data ; text preprocessing ; text representation learning ; text classification Obor OECD Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8) Institucionální podpora UIVT-O - RVO:67985807 EID SCOPUS 85139874007 Anotace This paper provides an insight into the possibility of how to find ontologies most relevant to scientific texts using artificial neural networks. The basic idea of the presented approach is to select a representative paragraph from a source text file, embed it to a vector space by a pre-trained fine-tuned transformer, and classify the embedded vector according to its relevance to a target ontology. We have considered different classifiers to categorize the output from the transformer, in particular random forest, support vector machine, multilayer perceptron, k-nearest neighbors, and Gaussian process classifiers. Their suitability has been evaluated in a use case with ontologies and scientific texts concerning catalysis research. From results we can say the worst results have random forest. The best results in this task brought support vector machine classifier Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2023 Elektronická adresa https://ceur-ws.org/Vol-3226/paper5.pdf
Počet záznamů: 1