0317515 20240111140712.520081218235959.9 4 s. CD-ROM cav_un_epca*0317587978-1-4244-2174-91324-1327Los AlamitosIEEE Press2008 classification of documents Poisson mixtures Structural approach cav_un_auth*0101091 Grim Jiří UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101171 Novovičová Jana UTIA-B Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101197 Somol Petr UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. hypertextový soubor http://library.utia.cas.cz/separaty/2008/RO/grim-structural poisson mixtures for classification of documents.pdf 632 MB 1M0572 GA MŠk cav_un_auth*0001814 2C06019 GA MŠk CZ cav_un_auth*0216518 GA102/07/1594 GA ČR cav_un_auth*0228611 CEZ:AV0Z10750506 Considering the statistical text classification problem we approximate class-conditional probability distributions by structurally modified Poisson mixtures. By introducing the structural model we can use different subsets of input variables to evaluate conditional probabilities of different classes in the Bayes formula. The method is applicable to document vectors of arbitrary dimension without any preprocessing. The structural optimization can be included into the EM algorithm in a statistically correct way. V rámci statistického přístupu k problému klasifikace dokumentů jsou dokumenty reprezentovány formou /bag-of-words/. Podmíněné distribuce dokumentů v jednotlivých třídách jsou aproximovány ve tvaru strukturní poissonovské distribuční směsi. Bayesovská klasifikace dokumentů je ověřována na datových souborech Reuters a 20 NEWSGROUPS. cav_un_auth*0245453 19th International Conference on Pattern Recognition Tampa 07.12.2008-11.12.2008 US 2010 IN http://hdl.handle.net/11104/0167137 2008 hypertextový soubor 632 MB cav_un_epca*0317587 Proceedings of the 19th International Conference on Pattern Recognition 978-1-4244-2174-9 1324 1327 Los Alamitos IEEE Press 2008