TopicStriKer: A topic kernels-powered approach for text classification

Autor: Nikhil V. Chandran, V.S. Anoop, S. Asharaf

Publikováno v: Results in Engineering, Vol 17, Iss , Pp 100949- (2023)

Topic models are unsupervised machine learning techniques that output clusters of “topics” represented as co-occurring words with their associated probability distributions. Topic modeling algorithms find latent themes from large document collect

Externí odkaz: https://doaj.org/article/9cf341c23f8349edbf21725f77c9b642

A Named Entity Extraction System for Historical Financial Data

Autor: Sébastien Adam, Wassim Swaileh, Thierry Paquet, Andres Rojas Camacho

Publikováno v: Lecture Notes in Computer Science
Lecture Notes in Computer Science, 2020, ⟨10.1007/978-3-030-57058-3_23⟩
Document Analysis Systems ISBN: 9783030570576
DAS

International audience; Access to long-run historical data in the field of social sciences, economics and political sciences has been identified as one necessary condition to understand the dynamics of the past and the way those dynamics structure ou

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=doi_dedup___::0369b577b52d8a13a7cdae4da23e6a65
https://hal.archives-ouvertes.fr/hal-03066304/document

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.