Neural Network Attempt to Nonlinear Binary Factor Analysis of Textual Data

0405508 - UIVT-O 330886 RIV FR eng C - Conference Paper (international conference)
Húsek, Dušan - Frolov, A. A. - Řezanková, H. - Snášel, Václav - Dufosse, M. - Polyakov, P.Y.
Neural Network Attempt to Nonlinear Binary Factor Analysis of Textual Data.
[Neuronový přístup k nelineární faktorové analýze textových dat.]
Aplied Stochastic Models and Data Analysis. Brest: ENST Bretagne, 2005 - (Janssen, J.; Lenca, P.), s. 1460-1467. ISBN 2-908849-15-1.
[ASMDA 2005. International Symposium on Applied Stochastic Models and Data Analysis /11./. Brest (FR), 17.05.2005-20.05.2005]
R&D Projects: GA AV ČR 1ET100300414; GA ČR GA201/05/0079
Grant - others:BARRANDE(EU) 2005-06-060-1
Institutional research plan: CEZ:AV0Z10300504
Keywords : neural networks * binary factor analysis * clustering * information retrieval
Subject RIV: BA - General Mathematics

Possible application of a new procedure suitable of Boolean factor analysis of signals of large dimension and complexity is discussed. The new procedure is based on the search of attractors in Hopfield-like associative memory. Starting from random initial state, network activity stabilizes in an attractor which corresponds to one of factors (a true attractor) or one of spurious attractors. Separation of true and spurious attractors is based on calculation of their Lyapunov function. Being applied to textual data the procedure conducted well and even more it showed sensitivity to the context in which the words were used.

Diskutována je nová procedura vhodná pro booleovskou faktrovou analýzu signálu velké dimenze a složitosti. Nová procedura je založena na tvorbě a analýze atraktorů v asociativní paměti Hopfieldova typu. Vycházeje z náhodného počátečního stavu aktivita sítě se stabilizuje v atraktoru, který odpovídá jednomu z faktorů (pravý atraktor) nebo jednomu ze nepravých atraktorů. Rozlišení pravých a lživých atraktorů je založeno na výpočtu jejich Liapunových funkcí. Při aplikaci procedury na textová data bylo dosaženo dobrých výsledku a navíc procedura se ukázala být citlivá na kontext, ve kterém byla slova použita.
Permanent Link: http://hdl.handle.net/11104/0125666