Inductive Model Generation for Text Classification Using a Bipartite Heterogeneous Network

Rossi, Rafael; Lopes, Alneu de Andrade; Faleiros, Thiago de Paulo; Rezende, Solange Oliveira

doi:10.1007/s11390-014-1436-7

Cited by 28 publications

(36 citation statements)

References 36 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Neste trabalho foram aplicados sete algoritmos de classificação indutiva, tradicionais e estado da arte, sendo cinco algoritmos da biblioteca Weka [Witten and Frank 2005] e dois algoritmos baseados em redes bipartidas [Rossi et al 2014. Apesar das representações avaliadas neste trabalho serem representações no modelo espaço-vetorial, a utilização de algoritmos baseados em redes bipartidas tambémé possível.…”

Section: Classificação Utilizando Algoritmos De Aprendizado Supervisiunclassified

Detecting Suicidal Ideation on Tweets

Cardoso¹,

Sinoara²,

Rezende³

et al. 2019

Anais Do Encontro Nacional De Inteligência Artificial E Computacional (ENIAC 2019)

View full text Add to dashboard Cite

According to the World Health Organization, every 40s a person dies of suicide in the world. Among young people aged 15 to 29, suicide is the second largest cause of death. Yet such deaths can be prevented. In this scenario, social networks like Twitter can become sources of information in real time and help in suicide prevention. The present work makes an initial exploration of the problem of identifying individuals at risk of suicide in social networks in Portuguese Language. As a main result, a manually labeled dataset of tweets has been constructed that can be used in future research on the subject.

show abstract

Section: Classificação Utilizando Algoritmos De Aprendizado Supervisiunclassified

Detecting Suicidal Ideation on Tweets

Cardoso¹,

Sinoara²,

Rezende³

et al. 2019

Anais Do Encontro Nacional De Inteligência Artificial E Computacional (ENIAC 2019)

View full text Add to dashboard Cite

show abstract

“…They ignore relations among terms, which can be modeled by term networks. However, this type of information can improve the relevance scores of terms, which is useful to classify documents [19,20,30], since related terms tend to belong to the same class. Furthermore, improving the relevance scores of terms for classes consequently improves the classification performance.…”

Section: Introductionmentioning

confidence: 99%

Term Network Approach for Transductive Classification

Rossi¹,

Rezende²,

Lopes³

2015

Lecture Notes in Computer Science

Self Cite

View full text Add to dashboard Cite

Abstract. Transductive classification is a useful way to classify texts when just few labeled examples are available. Transductive classification algorithms rely on term frequency to directly classify texts represented in vector space model or to build networks and perform label propagation. Related terms tend to belong to the same class and this information can be used to assign relevance scores of terms for classes and consequently the labels of documents. In this paper we propose the use of term networks to model term relations and perform transductive classification. In order to do so, we propose (i) different ways to generate term networks, (ii) how to assign initial relevance scores for terms, (iii) how to propagate the relevance scores among terms, and (iv) how to use the relevance scores of terms in order to classify documents. We demonstrate that transductive classification based on term networks can surpass the accuracies obtained by transductive classification considering texts represented in other types of networks or vector space model, or even the accuracies obtained by inductive classification. We also demonstrated that we can decrease the size of term networks through feature selection while keeping classification accuracy and decreasing computational complexity.

show abstract

“…Aprendizado em grafos bipartidos: Colaboração na proposta de um algoritmo de categorização de documentos textuais inspirado na estrutura de grafos bipartidos para a indução de um modelo de classificação. Resultando nos trabalhos (ROSSI et al, 2012;ROSSI et al, 2014). Proposta de um algoritmo semissupervisionado para a tarefa de transdução de coleções de documentos utilizando grafos bipartidos.…”

Section: Contribuiçõesunclassified

“…Antes de atacar diretamente o problema de extração de tópicos em fluxo de documentos, é descrito o desenvolvimento desse arcabouço. Inicialmente, foi desenvolvido um algoritmo de classificação supervisionado baseado na representação em grafos bipartidos (ROSSI et al, 2014;ROSSI et al, 2012). Esse algoritmo foi desenvolvido pelo grupo de pesquisa e não é a principal contribuição desta tese.…”

Section: Capítulo 1 Introduçãounclassified

Propagação em grafos bipartidos para extração de tópicos em fluxo de documentos textuais

Faleiros¹

View full text Add to dashboard Cite

À Deus pelo amparo naquela hora de dificuldade. Aos meus pais Vilma Faleiros de Paulo e João Batista de Paulo, pelo grande apoio e incentivo durante o desenvolvimento de meus estudos. A Juliana Aliques, pela paciência, por acreditar na minha capacidade e por estar ao meu lado. A todos os amigos e colegas do LABIC, pela convivência diária e pelas "hora do café", que foram uma excelente forma de desestressar. Em especial, gostaria de agradecer pelo companheirismo e colaboração nos trabalhos realizados aos até então alunos Jorge Valverde-Rebaza, Lilian Berton, Alan Valejo, Rafael Rossi e Ricardo Puma. Ao meu orientador prof. Dr. Alneu de Andrade Lopes, por me orientar e acreditar no meu trabalho. Não me recordo se alguma vez ele gastou mais de uma semana para revisar algum texto meu. Mas isso só mostra o seu comprometimento em auxiliar os seus alunos. Ao prof. Dr. Jordan Boyd-Graber e a University of Maryland por aceitarem o meu projeto de estágio no exterior. À Fundação de Amparo à Pesquisa do Estado de São Paulo (processo n o 2011/23689-9, FAPESP), pela concessão da bolsa de doutorado, pelo apoio financeiro para a realização desta pesquisa e pelo financiamento do estágio sanduíche. À USP pela infra-estrutura oferecida. "...Quem gosta de viver não tem preguiça de reinventar, nem medo de ousar. Quem gosta de viver não tem medo de ternura, da gentileza, do amor. Quem gosta de viver, educa!..." (Gabriel Chalita) Palavras-chave: Aprendizado em grafos bipartidos, extração de tópicos, fluxo de dados textuais, redução de dimensionalidade.

show abstract

Inductive Model Generation for Text Classification Using a Bipartite Heterogeneous Network

Cited by 28 publications

References 36 publications

Detecting Suicidal Ideation on Tweets

Detecting Suicidal Ideation on Tweets

Term Network Approach for Transductive Classification

Propagação em grafos bipartidos para extração de tópicos em fluxo de documentos textuais

Contact Info

Product

Resources

About