GENETIC LOCALIZATION OF SEMANTIC PROTOTYPES FOR MULTICLASS RETRIEVAL OF DOCUMENTS

  • The paper presents a novel method of multiclass classification. The method combines the notions of dimensionality reduction and binarization with notions of category prototype and evolutionary optimization. It introduces a supervised machine learning algorithm which first projects documents of the training corpus into low-dimensional binary space and subsequently uses canonical genetic algorithm in order to find a constellation of prototypes with highest classificatory pertinence. Fitness function is based on a cognitively plausible notion that a good prototype of a category C should be as close as possible to members of C and as far as possible to members associated to other categories. In case of classification of documents contained in a 20-newsgroup corpus into 20 classes, our algorithm seems to yield better results than a comparable deep learning "semantic hashing" method which also projects the semantic data into 128-dimensional binary (i.e. 16-byte) vector space.

Volltext Dateien herunterladen

Metadaten exportieren

Metadaten
Verfasserangaben:Prof. Daniel HromadaORCiD
URN:urn:nbn:de:kobv:b170-13795
DOI:https://doi.org/10.25624/kuenste-1379
Übergeordnetes Werk (Englisch):17th Conference of Doctoral Students ELITECH '15
Verlag:Slovak University of Technology
Verlagsort:Slovakia, Bratislava
Dokumentart:Konferenzveröffentlichung
Sprache:Englisch
Datum der Veröffentlichung (online):10.03.2021
Datum der Erstveröffentlichung:21.05.2021
Veröffentlichende Institution:Universität der Künste Berlin
Datum der Freischaltung:21.05.2021
Freies Schlagwort / Tag:canonic genetic algorithm; dimensionality reduction; evolutionary computing; light stochastic binarization; multiclass classification; prototype theory of categorization; supervised machine learning
GND-Schlagwort:Maschinelles LernenGND; Genetischer AlgorithmusGND
Erste Seite:1
Letzte Seite:6
Seitenzahl:6
Fakultäten und Einrichtungen:Fakultät Gestaltung
DDC-Klassifikation:7 Künste und Unterhaltung / 70 Künste / 700 Künste; Bildende und angewandte Kunst
Lizenz (Deutsch):Creative Commons - CC BY-NC-SA - Namensnennung - Nicht kommerziell - Weitergabe unter gleichen Bedingungen 4.0 International
Verstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.