Recurrent Neural Network Based Boolean Factor Analysis and its Application to Word Clustering

0321649 - ÚI 2010 RIV US eng J - Journal Article
Frolov, A. A. - Húsek, Dušan - Polyakov, P.Y.
Recurrent Neural Network Based Boolean Factor Analysis and its Application to Word Clustering.
[Booleovská faktorová analýza založená na rekurentní neuronové síti a její aplikace na shlukování slov.]
IEEE Transactions on Neural Networks. Roč. 20, č. 7 (2009), s. 1073-1086. ISSN 1045-9227
R&D Projects: GA MŠMT(CZ) 1M0567
Institutional research plan: CEZ:AV0Z10300504
Keywords : recurrent neural network * Hopfield-like neural network * associative memory * unsupervised learning * neural network architecture * neural network application * statistics * Boolean factor analysis * concepts search * information retrieval
Subject RIV: BB - Applied Statistics, Operational Research
Impact factor: 2.889, year: 2009

Neural network based algorithm for word clustering as an extension of the neural network based Boolean factor analysis algorithm is introduced. Technique based on a Bayesian procedure has been developed to provide a complete description of factors in terms of component probability and to enhance the accuracy of classification of documents. Method is applied to two types of textual data on Neural Networks in two different languages.

Je prezentována metoda pro shlukování slov v textových dokumentech jako rozšíření algoritmu Boleovské faktorové analýzy. Vyvinutá iterativní technika založená na Bayesovském přístupu umožňuje kompletní popis faktorů jako pravděpodobnosti jednotlivých komponent s cílem dosažení vysoké přesnosti klasifikace dokumentů. Příklad aplikace je ukázán na analýze anglické a české textové databáze z oblasti Neuronových sítí.
Permanent Link: http://hdl.handle.net/11104/0170122