Full metadata record
DC poleHodnotaJazyk
dc.contributor.authorSido, Jakub
dc.contributor.authorEkštein, Kamil
dc.contributor.authorPražák, Ondřej
dc.contributor.authorKonopík, Miloslav
dc.date.accessioned2022-05-30T10:00:12Z-
dc.date.available2022-05-30T10:00:12Z-
dc.date.issued2021
dc.identifier.citationSIDO, J. EKŠTEIN, K. PRAŽÁK, O. KONOPÍK, M. On Injecting Entropy-Like Features into Deep Neural Networks for Content Relevance Assessment. In Theory and Practice of Natural Computing. Cham: Springer, 2021. s. 59-68. ISBN: 978-3-030-90424-1 , ISSN: 0302-9743cs
dc.identifier.isbn978-3-030-90424-1
dc.identifier.issn0302-9743
dc.identifier.uri2-s2.0-85119867953
dc.identifier.urihttp://hdl.handle.net/11025/47638
dc.description.abstractTento článek podrobně popisuje inovativní techniku vkládání globální (nebo obecně rozsáhlé) míry kvality do hluboké neuronové sítě (DNN) s cílem kompenzovat tendenci DNN zakládat výslednou klasifikaci prakticky ze superpozice lokálních transformací a projekcí okolí. Jako globální míru kvality jsme použili rys podobný pravděpodobnosti stavu AQ1 a injektovali ji do klasifikátoru založeného na DNN nasazeného v konkrétní úloze určení, které části webové stránky jsou určitým zájmem pro další zpracování technikami NLP. Naším cílem bylo rozložit webové stránky různých internetových diskusních fór AQ2 na užitečný obsah, tj. příspěvky uživatelů, a neužitečný obsah, tj. grafiku fóra, menu, bannery, reklamy atd.cs
dc.format10 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherSpringeren
dc.relation.ispartofseriesTheory and Practice of Natural Computingen
dc.rightsPlný text je přístupný v rámci univerzity přihlášeným uživatelům.cs
dc.rights© Springeren
dc.subjecthluboké učenícs
dc.subjectentropiecs
dc.subjectglobální informacecs
dc.subjectpřiřazování relevance obsahucs
dc.titleOn Injecting Entropy-Like Features into Deep Neural Networks for Content Relevance Assessmenten
dc.title.alternativeVkládání entropii podobných funkcí do hlubokách neuronových sítí pro hodnocení relevance obsahucs
dc.typekonferenční příspěvekcs
dc.typeConferenceObjecten
dc.rights.accessrestrictedAccessen
dc.type.versionpublishedVersionen
dc.description.abstract-translatedThis paper describes in details an innovative technique of injection of a global (or generally largescale) quality measure into a deep neural network (DNN) in order to compensate for the tendency of DNNs to found the resulting classification virtually from a superposition of local neighbourhood transformations and projections. We used a state AQ1 probability-like feature as the global quality measure and injected it into a DNN-based classifier deployed in a specific task of determining which parts of a web page are of certain interest for further processing by NLP techniques. Our goal was to decompose web sites of various internet AQ2 discussion forums to useful content, i.e. the posts of users, and useless content, i.e. forum graphics, menus, banners, advertisements, etc.en
dc.subject.translatedDeep learningen
dc.subject.translatedEntropyen
dc.subject.translatedGlobal informationen
dc.subject.translatedContent relevance assessmenten
dc.identifier.doi10.1007/978-3-030-90425-8_5
dc.type.statusPeer-revieweden
dc.identifier.document-number763099600005
dc.identifier.obd43933858
dc.project.IDSGS-2019-018/Zpracování heterogenních dat a jejich specializované aplikacecs
Vyskytuje se v kolekcích:Konferenční příspěvky / Conference Papers (KIV)
OBD

Soubory připojené k záznamu:
Soubor VelikostFormát 
Sido On Injecting Entropy-Like Features into Deep Neural Networks for Content Relevance Assessment.pdf1,61 MBAdobe PDFZobrazit/otevřít  Vyžádat kopii
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/47638

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Publikační činnost / Publications
  3. OBD