Propagating fine-grained topic labels in news snippets

Detalhes bibliográficos
Autor(a) principal: Luís Sarmento
Data de Publicação: 2009
Outros Autores: Sérgio Nunes, Jorge Teixeira, Eugénio Oliveira
Tipo de documento: Livro
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: https://hdl.handle.net/10216/43258
Resumo: We propose an unsupervised method for propagating automatically extracted fine-grained topic labels among news items to improve their topic description for subsequent text classification procedure. This method compares vector representations of news items and assigns to each news item the label of its closest neighbour with a different topic label. Results obtained show that high precision can be achieved in propagating the top ranked topic label, and that 2-gram and 3-gram feature representations optimize the precision.
id RCAP_a313aeba2588b7aaaaa9c6c67124b6fd
oai_identifier_str oai:repositorio-aberto.up.pt:10216/43258
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Propagating fine-grained topic labels in news snippetsInteligência artificial, Ciências da computação e da informaçãoArtificial intelligence, Computer and information sciencesWe propose an unsupervised method for propagating automatically extracted fine-grained topic labels among news items to improve their topic description for subsequent text classification procedure. This method compares vector representations of news items and assigns to each news item the label of its closest neighbour with a different topic label. Results obtained show that high precision can be achieved in propagating the top ranked topic label, and that 2-gram and 3-gram feature representations optimize the precision.20092009-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bookapplication/pdfhttps://hdl.handle.net/10216/43258eng10.1109/wi-iat.2009.338Luís SarmentoSérgio NunesJorge TeixeiraEugénio Oliveirainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-29T15:17:17Zoai:repositorio-aberto.up.pt:10216/43258Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T00:19:47.649117Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Propagating fine-grained topic labels in news snippets
title Propagating fine-grained topic labels in news snippets
spellingShingle Propagating fine-grained topic labels in news snippets
Luís Sarmento
Inteligência artificial, Ciências da computação e da informação
Artificial intelligence, Computer and information sciences
title_short Propagating fine-grained topic labels in news snippets
title_full Propagating fine-grained topic labels in news snippets
title_fullStr Propagating fine-grained topic labels in news snippets
title_full_unstemmed Propagating fine-grained topic labels in news snippets
title_sort Propagating fine-grained topic labels in news snippets
author Luís Sarmento
author_facet Luís Sarmento
Sérgio Nunes
Jorge Teixeira
Eugénio Oliveira
author_role author
author2 Sérgio Nunes
Jorge Teixeira
Eugénio Oliveira
author2_role author
author
author
dc.contributor.author.fl_str_mv Luís Sarmento
Sérgio Nunes
Jorge Teixeira
Eugénio Oliveira
dc.subject.por.fl_str_mv Inteligência artificial, Ciências da computação e da informação
Artificial intelligence, Computer and information sciences
topic Inteligência artificial, Ciências da computação e da informação
Artificial intelligence, Computer and information sciences
description We propose an unsupervised method for propagating automatically extracted fine-grained topic labels among news items to improve their topic description for subsequent text classification procedure. This method compares vector representations of news items and assigns to each news item the label of its closest neighbour with a different topic label. Results obtained show that high precision can be achieved in propagating the top ranked topic label, and that 2-gram and 3-gram feature representations optimize the precision.
publishDate 2009
dc.date.none.fl_str_mv 2009
2009-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/book
format book
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/10216/43258
url https://hdl.handle.net/10216/43258
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv 10.1109/wi-iat.2009.338
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799136115500777472

Registros relacionados