A Practical Guide to Sentiment Analysis / Cambria, Erik ; Das, Dipankar ; Bandyopadhyay, Sivaji ; Feraco, Antonio  

Público ISBD Ningún comentario para este registro. Título : A Practical Guide to Sentiment Analysis Tipo de documento: documento electrónico Autores: Cambria, Erik, ; Das, Dipankar, ; Bandyopadhyay, Sivaji, ; Feraco, Antonio, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: VII, 196 p. 16 ilustraciones, 7 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-55394-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Biología  Sistemas de almacenamiento y recuperación de información.  La lingüística aplicada  Matemáticas de ingeniería  Ingeniería  Interfaces de usuario (sistemas informáticos)  La interacción persona-ordenador  Investigación biomédica  Almacenamiento y recuperación de información  Aplicaciones de ingeniería matemática y computacional  Interfaces de usuario e interacción persona-computadora  Estadística y Computación Clasificación: 610.72 Resumen: Este trabajo editado presenta estudios y debates que aclaran los desafíos y oportunidades de la investigación del análisis de sentimientos. Si bien la investigación del análisis de sentimientos se ha vuelto muy popular en los últimos diez años, la mayoría de las empresas e investigadores todavía la abordan simplemente como un problema de detección de polaridad. En realidad, el análisis de sentimientos es un "problema de maleta" que requiere abordar muchas subtareas de procesamiento del lenguaje natural, incluido el análisis de microtexto, la detección de sarcasmo, la resolución de anáforas, la detección de subjetividad y la extracción de aspectos. En este libro, los autores proponen una descripción general de los principales problemas y desafíos asociados con la investigación actual del análisis de sentimientos y brindan algunas ideas sobre herramientas y técnicas prácticas que pueden explotarse para avanzar en el estado del arte en todas las subtareas del análisis de sentimientos y explorar nuevas. áreas en el mismo contexto. Los lectores descubrirán técnicas de extracción de sentimientos que pueden explotarse para la creación y el mantenimiento automatizado de sitios web de reseñas y agregación de opiniones, en los que se recopilan continuamente textos y vídeos de opinión de la Web y no se limitan sólo a reseñas de productos, sino también a temas más amplios, como la política. Problemas y percepción de la marca. El libro también permite a los investigadores ver cómo la computación afectiva y el análisis de sentimientos tienen un gran potencial como tecnología de subcomponente para otros sistemas. Pueden mejorar las capacidades de la gestión de relaciones con los clientes y los sistemas de recomendación, permitiendo, por ejemplo, descubrir qué características les gustan especialmente a los clientes o excluir de las recomendaciones aquellos elementos que hayan recibido comentarios muy negativos. De manera similar, pueden explotarse para tutoría afectiva y entretenimiento afectivo o para filtrado de trolls y detección de spam en la comunicación social en línea. Nota de contenido: Preface -- Affective Computing and Sentiment Analysis -- Many Facets of Sentiment Analysis -- Reflections on Sentiment/Opinion Analysis -- Challenges in Sentiment Analysis --  Sentiment Resources: Lexicons and Datasets -- Generative Models for Sentiment Analysis and Opinion Mining -- Social Media Summarization -- Deception Detection and Opinion Spam -- Concept-Level Sentiment Analysis with SenticNet -- Index. Tipo de medio : Computadora Summary : This edited work presents studies and discussions that clarify the challenges and opportunities of sentiment analysis research. While sentiment analysis research has become very popular in the past ten years, most companies and researchers still approach it simply as a polarity detection problem. In reality, sentiment analysis is a 'suitcase problem' that requires tackling many natural language processing subtasks, including microtext analysis, sarcasm detection, anaphora resolution, subjectivity detection and aspect extraction.   In this book, the authors propose an overview of the main issues and challenges associated with current sentiment analysis research and provide some insights on practical tools and techniques that can be exploited to both advance the state of the art in all sentiment analysis subtasks and explore new areas in the same context. Readers will discover sentiment mining techniques that can be exploited for the creation and automated upkeep of review andopinion aggregation websites, in which opinionated text and videos are continuously gathered from the Web and not restricted to just product reviews, but also to wider topics such as political issues and brand perception. The book also enables researchers to see how affective computing and sentiment analysis have a great potential as a sub-component technology for other systems. They can enhance the capabilities of customer relationship management and recommendation systems allowing, for example, to find out which features customers are particularly happy about or to exclude from the recommendations items that have received very negative feedbacks. Similarly, they can be exploited for affective tutoring and affective entertainment or for troll filtering and spam detection in online social communication. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] A Practical Guide to Sentiment Analysis [documento electrónico] / Cambria, Erik, ; Das, Dipankar, ; Bandyopadhyay, Sivaji, ; Feraco, Antonio,  . -  1 ed.  . - [s.l.] : Springer, 2017 . - VII, 196 p. 16 ilustraciones, 7 ilustraciones en color. ISBN : 978-3-319-55394-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Biología  Sistemas de almacenamiento y recuperación de información.  La lingüística aplicada  Matemáticas de ingeniería  Ingeniería  Interfaces de usuario (sistemas informáticos)  La interacción persona-ordenador  Investigación biomédica  Almacenamiento y recuperación de información  Aplicaciones de ingeniería matemática y computacional  Interfaces de usuario e interacción persona-computadora  Estadística y Computación Clasificación: 610.72 Resumen: Este trabajo editado presenta estudios y debates que aclaran los desafíos y oportunidades de la investigación del análisis de sentimientos. Si bien la investigación del análisis de sentimientos se ha vuelto muy popular en los últimos diez años, la mayoría de las empresas e investigadores todavía la abordan simplemente como un problema de detección de polaridad. En realidad, el análisis de sentimientos es un "problema de maleta" que requiere abordar muchas subtareas de procesamiento del lenguaje natural, incluido el análisis de microtexto, la detección de sarcasmo, la resolución de anáforas, la detección de subjetividad y la extracción de aspectos. En este libro, los autores proponen una descripción general de los principales problemas y desafíos asociados con la investigación actual del análisis de sentimientos y brindan algunas ideas sobre herramientas y técnicas prácticas que pueden explotarse para avanzar en el estado del arte en todas las subtareas del análisis de sentimientos y explorar nuevas. áreas en el mismo contexto. Los lectores descubrirán técnicas de extracción de sentimientos que pueden explotarse para la creación y el mantenimiento automatizado de sitios web de reseñas y agregación de opiniones, en los que se recopilan continuamente textos y vídeos de opinión de la Web y no se limitan sólo a reseñas de productos, sino también a temas más amplios, como la política. Problemas y percepción de la marca. El libro también permite a los investigadores ver cómo la computación afectiva y el análisis de sentimientos tienen un gran potencial como tecnología de subcomponente para otros sistemas. Pueden mejorar las capacidades de la gestión de relaciones con los clientes y los sistemas de recomendación, permitiendo, por ejemplo, descubrir qué características les gustan especialmente a los clientes o excluir de las recomendaciones aquellos elementos que hayan recibido comentarios muy negativos. De manera similar, pueden explotarse para tutoría afectiva y entretenimiento afectivo o para filtrado de trolls y detección de spam en la comunicación social en línea. Nota de contenido: Preface -- Affective Computing and Sentiment Analysis -- Many Facets of Sentiment Analysis -- Reflections on Sentiment/Opinion Analysis -- Challenges in Sentiment Analysis --  Sentiment Resources: Lexicons and Datasets -- Generative Models for Sentiment Analysis and Opinion Mining -- Social Media Summarization -- Deception Detection and Opinion Spam -- Concept-Level Sentiment Analysis with SenticNet -- Index. Tipo de medio : Computadora Summary : This edited work presents studies and discussions that clarify the challenges and opportunities of sentiment analysis research. While sentiment analysis research has become very popular in the past ten years, most companies and researchers still approach it simply as a polarity detection problem. In reality, sentiment analysis is a 'suitcase problem' that requires tackling many natural language processing subtasks, including microtext analysis, sarcasm detection, anaphora resolution, subjectivity detection and aspect extraction.   In this book, the authors propose an overview of the main issues and challenges associated with current sentiment analysis research and provide some insights on practical tools and techniques that can be exploited to both advance the state of the art in all sentiment analysis subtasks and explore new areas in the same context. Readers will discover sentiment mining techniques that can be exploited for the creation and automated upkeep of review andopinion aggregation websites, in which opinionated text and videos are continuously gathered from the Web and not restricted to just product reviews, but also to wider topics such as political issues and brand perception. The book also enables researchers to see how affective computing and sentiment analysis have a great potential as a sub-component technology for other systems. They can enhance the capabilities of customer relationship management and recommendation systems allowing, for example, to find out which features customers are particularly happy about or to exclude from the recommendations items that have received very negative feedbacks. Similarly, they can be exploited for affective tutoring and affective entertainment or for troll filtering and spam detection in online social communication. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

Intelligent Asset Management / Xing, Frank  

Público ISBD Ningún comentario para este registro. Título : Intelligent Asset Management Tipo de documento: documento electrónico Autores: Xing, Frank, ; Cambria, Erik, ; Welsch, Roy, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XXII, 149 p. 43 ilustraciones, 34 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-30263-4 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial  Negocio electrónico  Minería de datos y descubrimiento de conocimientos  Biomedical research  Comercio electrónico  Procesamiento de datos  Biología  Medicine  Investigación  comercio electrónico y negocios electrónicos Clasificación: 610.72 Resumen: Este libro presenta una aplicación sistemática de los avances recientes en inteligencia artificial (IA) al problema de la gestión de activos. Si bien el procesamiento del lenguaje natural y las técnicas de extracción de textos, como la representación semántica, el análisis de sentimientos, la extracción de entidades, el razonamiento de sentido común y la verificación de hechos, han estado evolucionando durante décadas, las teorías financieras aún no han considerado ni adaptado completamente estas ideas. En este volumen único y legible, los autores analizan la integración del conocimiento textual y el sentimiento del mercado paso a paso, ofreciendo a los lectores nuevos conocimientos sobre las teorías de optimización de carteras más populares: el modelo de Markowitz y el modelo de Black-Litterman. Los autores también brindan visiones valiosas de cómo las infraestructuras basadas en tecnología de inteligencia artificial podrían reducir el costo y automatizar los procedimientos de gestión patrimonial. Este libro inspirador es una lectura obligada para investigadores y banqueros interesados ​​en aplicaciones de IA de vanguardia en finanzas. Nota de contenido: Chapter 1. Introduction -- Chapter 2 -- Revisiting the Literature -- Chapter 3. Theoretical Underpinnings on Text Mining -- Chapter 4. Computational Semantics for Asset Correlations -- Chapter 5. Sentiment Analysis for View Modeling -- Chapter 6. Storage and Update of Domain Knowledge -- Chapter 7. Dialog Systems and Robo-advisory -- Chapter 8. Concluding Remarks -- Appendix -- Index. Tipo de medio : Computadora Summary : This book presents a systematic application of recent advances in artificial intelligence (AI) to the problem of asset management. While natural language processing and text mining techniques, such as semantic representation, sentiment analysis, entity extraction, commonsense reasoning, and fact checking have been evolving for decades, finance theories have not yet fully considered and adapted to these ideas. In this unique, readable volume, the authors discuss integrating textual knowledge and market sentiment step-by-step, offering readers new insights into the most popular portfolio optimization theories: the Markowitz model and the Black-Litterman model. The authors also provide valuable visions of how AI technology-based infrastructures could cut the cost of and automate wealth management procedures. This inspiring book is a must-read for researchers and bankers interested in cutting-edge AI applications in finance. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Intelligent Asset Management [documento electrónico] / Xing, Frank, ; Cambria, Erik, ; Welsch, Roy,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - XXII, 149 p. 43 ilustraciones, 34 ilustraciones en color. ISBN : 978-3-030-30263-4 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial  Negocio electrónico  Minería de datos y descubrimiento de conocimientos  Biomedical research  Comercio electrónico  Procesamiento de datos  Biología  Medicine  Investigación  comercio electrónico y negocios electrónicos Clasificación: 610.72 Resumen: Este libro presenta una aplicación sistemática de los avances recientes en inteligencia artificial (IA) al problema de la gestión de activos. Si bien el procesamiento del lenguaje natural y las técnicas de extracción de textos, como la representación semántica, el análisis de sentimientos, la extracción de entidades, el razonamiento de sentido común y la verificación de hechos, han estado evolucionando durante décadas, las teorías financieras aún no han considerado ni adaptado completamente estas ideas. En este volumen único y legible, los autores analizan la integración del conocimiento textual y el sentimiento del mercado paso a paso, ofreciendo a los lectores nuevos conocimientos sobre las teorías de optimización de carteras más populares: el modelo de Markowitz y el modelo de Black-Litterman. Los autores también brindan visiones valiosas de cómo las infraestructuras basadas en tecnología de inteligencia artificial podrían reducir el costo y automatizar los procedimientos de gestión patrimonial. Este libro inspirador es una lectura obligada para investigadores y banqueros interesados ​​en aplicaciones de IA de vanguardia en finanzas. Nota de contenido: Chapter 1. Introduction -- Chapter 2 -- Revisiting the Literature -- Chapter 3. Theoretical Underpinnings on Text Mining -- Chapter 4. Computational Semantics for Asset Correlations -- Chapter 5. Sentiment Analysis for View Modeling -- Chapter 6. Storage and Update of Domain Knowledge -- Chapter 7. Dialog Systems and Robo-advisory -- Chapter 8. Concluding Remarks -- Appendix -- Index. Tipo de medio : Computadora Summary : This book presents a systematic application of recent advances in artificial intelligence (AI) to the problem of asset management. While natural language processing and text mining techniques, such as semantic representation, sentiment analysis, entity extraction, commonsense reasoning, and fact checking have been evolving for decades, finance theories have not yet fully considered and adapted to these ideas. In this unique, readable volume, the authors discuss integrating textual knowledge and market sentiment step-by-step, offering readers new insights into the most popular portfolio optimization theories: the Markowitz model and the Black-Litterman model. The authors also provide valuable visions of how AI technology-based infrastructures could cut the cost of and automate wealth management procedures. This inspiring book is a must-read for researchers and bankers interested in cutting-edge AI applications in finance. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

Multimodal Sentiment Analysis / Poria, Soujanya  

Público ISBD Ningún comentario para este registro. Título : Multimodal Sentiment Analysis Tipo de documento: documento electrónico Autores: Poria, Soujanya, ; Hussain, Amir, ; Cambria, Erik, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XI, 214 p. 34 ilustraciones, 25 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-95020-4 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Neurociencias  Sistemas multimedia  Visión por computador  Procesamiento del lenguaje natural (Informática)  Traducir e interpretar  Neurociencia  Sistemas de información multimedia  Procesamiento del lenguaje natural (PNL)  Traducción de idiomas Clasificación: 612.8 Funciones nerviosas. Resumen: Este último volumen de la serie, Computación socioafectiva, presenta un conjunto de enfoques novedosos para analizar videos obstinados y extraer sentimientos y emociones. El marco de análisis de sentimientos textuales, como se analiza en este libro, contiene una forma novedosa de realizar análisis de sentimientos fusionando la lingüística con el aprendizaje automático. Fusionar información textual con señales de audio y visuales resulta extremadamente útil, lo que mejora el analizador de sentimiento unimodal basado en texto, audio y imágenes. Este volumen cubre los tres temas principales: preprocesamiento textual y métodos de análisis de sentimientos; marcos para procesar datos de audio y visuales; y métodos de fusión de características textuales, auditivas y visuales. La inclusión de visualizaciones clave y estudios de casos permitirá a los lectores comprender mejor estos enfoques. Dirigido a las audiencias de procesamiento del lenguaje natural, computación afectiva e inteligencia artificial, este volumen integral atraerá a un amplio número de lectores y ayudará a los lectores a comprender detalles clave sobre el análisis de sentimiento multimodal. Nota de contenido: Preface -- Introduction and Motivation -- Background -- Literature Survey and Datasets -- Concept Extraction from Natural Text for Concept Level Text Analysis -- EmoSenticSpace: Dense concept-based affective features with common-sense knowledge -- Sentic Patterns: Sentiment Data Flow Analysis by Means of Dynamic Linguistic Patterns -- Combining Textual Clues with Audio-Visual Information for Multimodal Sentiment Analysis -- Conclusion and Future Work -- Index. Tipo de medio : Computadora Summary : This latest volume in the series, Socio-Affective Computing, presents a set of novel approaches to analyze opinionated videos and to extract sentiments and emotions. Textual sentiment analysis framework as discussed in this book contains a novel way of doing sentiment analysis by merging linguistics with machine learning. Fusing textual information with audio and visual cues is found to be extremely useful which improves text, audio and visual based unimodal sentiment analyzer. This volume covers the three main topics of: textual preprocessing and sentiment analysis methods; frameworks to process audio and visual data; and methods of textual, audio and visual features fusion. The inclusion of key visualization and case studies will enable readers to understand better these approaches. Aimed at the Natural Language Processing, Affective Computing and Artificial Intelligence audiences, this comprehensive volume will appeal to a wide readership and will help readers to understand key details on multimodal sentiment analysis. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Multimodal Sentiment Analysis [documento electrónico] / Poria, Soujanya, ; Hussain, Amir, ; Cambria, Erik,  . -  1 ed.  . - [s.l.] : Springer, 2018 . - XI, 214 p. 34 ilustraciones, 25 ilustraciones en color. ISBN : 978-3-319-95020-4 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Neurociencias  Sistemas multimedia  Visión por computador  Procesamiento del lenguaje natural (Informática)  Traducir e interpretar  Neurociencia  Sistemas de información multimedia  Procesamiento del lenguaje natural (PNL)  Traducción de idiomas Clasificación: 612.8 Funciones nerviosas. Resumen: Este último volumen de la serie, Computación socioafectiva, presenta un conjunto de enfoques novedosos para analizar videos obstinados y extraer sentimientos y emociones. El marco de análisis de sentimientos textuales, como se analiza en este libro, contiene una forma novedosa de realizar análisis de sentimientos fusionando la lingüística con el aprendizaje automático. Fusionar información textual con señales de audio y visuales resulta extremadamente útil, lo que mejora el analizador de sentimiento unimodal basado en texto, audio y imágenes. Este volumen cubre los tres temas principales: preprocesamiento textual y métodos de análisis de sentimientos; marcos para procesar datos de audio y visuales; y métodos de fusión de características textuales, auditivas y visuales. La inclusión de visualizaciones clave y estudios de casos permitirá a los lectores comprender mejor estos enfoques. Dirigido a las audiencias de procesamiento del lenguaje natural, computación afectiva e inteligencia artificial, este volumen integral atraerá a un amplio número de lectores y ayudará a los lectores a comprender detalles clave sobre el análisis de sentimiento multimodal. Nota de contenido: Preface -- Introduction and Motivation -- Background -- Literature Survey and Datasets -- Concept Extraction from Natural Text for Concept Level Text Analysis -- EmoSenticSpace: Dense concept-based affective features with common-sense knowledge -- Sentic Patterns: Sentiment Data Flow Analysis by Means of Dynamic Linguistic Patterns -- Combining Textual Clues with Audio-Visual Information for Multimodal Sentiment Analysis -- Conclusion and Future Work -- Index. Tipo de medio : Computadora Summary : This latest volume in the series, Socio-Affective Computing, presents a set of novel approaches to analyze opinionated videos and to extract sentiments and emotions. Textual sentiment analysis framework as discussed in this book contains a novel way of doing sentiment analysis by merging linguistics with machine learning. Fusing textual information with audio and visual cues is found to be extremely useful which improves text, audio and visual based unimodal sentiment analyzer. This volume covers the three main topics of: textual preprocessing and sentiment analysis methods; frameworks to process audio and visual data; and methods of textual, audio and visual features fusion. The inclusion of key visualization and case studies will enable readers to understand better these approaches. Aimed at the Natural Language Processing, Affective Computing and Artificial Intelligence audiences, this comprehensive volume will appeal to a wide readership and will help readers to understand key details on multimodal sentiment analysis. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

Proceedings of ELM-2016 / Cao, Jiuwen ; Cambria, Erik ; Lendasse, Amaury ; Miche, Yoan ; Vong, Chi Man  

Público ISBD Ningún comentario para este registro. Título : Proceedings of ELM-2016 Tipo de documento: documento electrónico Autores: Cao, Jiuwen, ; Cambria, Erik, ; Lendasse, Amaury, ; Miche, Yoan, ; Vong, Chi Man, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XIII, 285 p. 143 ilustraciones, 126 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-57421-9 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia Computacional  Inteligencia artificial Clasificación: 006.3 Resumen: Este libro contiene algunos artículos seleccionados de la Conferencia Internacional sobre Máquinas de Aprendizaje Extremo 2016, que se celebró en Singapur del 13 al 15 de diciembre de 2016. Esta conferencia proporcionará un foro para que académicos, investigadores e ingenieros compartan e intercambien experiencias de I+D tanto en estudios teóricos como en aplicaciones prácticas de la técnica ELM y el aprendizaje cerebral. Las Máquinas de Aprendizaje Extremo (ELM) tienen como objetivo romper las barreras entre las técnicas de aprendizaje artificial convencionales y los mecanismos de aprendizaje biológico. ELM representa un conjunto de técnicas de aprendizaje (automático o posiblemente biológico) en las que no es necesario ajustar las neuronas ocultas. Las teorías de aprendizaje ELM muestran que se pueden derivar algoritmos de aprendizaje muy efectivos basados ​​en neuronas ocultas generadas aleatoriamente (con casi cualquier función de activación por partes no lineal), independientemente de los datos de entrenamiento y los entornos de aplicación. Cada vez más, la evidencia de la neurociencia sugiere que se aplican principios similares en los sistemas de aprendizaje biológico. Las teorías y algoritmos ELM sostienen que las "neuronas ocultas aleatorias" capturan un aspecto esencial de los mecanismos de aprendizaje biológico, así como la sensación intuitiva de que la eficiencia del aprendizaje biológico no necesita depender de la potencia de cálculo de las neuronas. Las teorías ELM, por tanto, apuntan a posibles razones por las que el cerebro es más inteligente y eficaz que los ordenadores actuales. ELM ofrece ventajas significativas sobre los algoritmos de aprendizaje de redes neuronales convencionales, como una velocidad de aprendizaje rápida, facilidad de implementación y una necesidad mínima de intervención humana. ELM también muestra potencial como una técnica alternativa viable para la computación a gran escala y la inteligencia artificial. Este libro cubre las teorías, los algoritmos y las aplicaciones de ELM. Ofrece a los lectores una visión de los avances más recientes de ELM. Tipo de medio : Computadora Summary : This book contains some selected papers from the International Conference on Extreme Learning Machine 2016, which was held in Singapore, December13-15, 2016. This conference will provide a forum for academics, researchers and engineers to share and exchange R&D experience on both theoretical studies and practical applications of the ELM technique and brain learning.  Extreme Learning Machines (ELM) aims to break the barriers between the conventional artificial learning techniques and biological learning mechanism. ELM represents a suite of (machine or possibly biological) learning techniques in which hidden neurons need not be tuned. ELM learning theories show that very effective learning algorithms can be derived based on randomly generated hidden neurons (with almost any nonlinear piecewise activation functions), independent of training data and application environments. Increasingly, evidence from neurosciencesuggests that similar principles apply in biological learning systems. ELM theories and algorithms argue that "random hidden neurons" capture an essential aspect of biological learning mechanisms as well as the intuitive sense that the efficiency of biological learning need not rely on computing power of neurons. ELM theories thus hint at possible reasons why the brain is more intelligent and effective than current computers. ELM offers significant advantages over conventional neural network learning algorithms such as fast learning speed, ease of implementation, and minimal need for human intervention. ELM also shows potential as a viable alternative technique for large‐scale computing and artificial intelligence. This book covers theories, algorithms ad applications of ELM. It gives readers a glance of the most recent advances of ELM. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Proceedings of ELM-2016 [documento electrónico] / Cao, Jiuwen, ; Cambria, Erik, ; Lendasse, Amaury, ; Miche, Yoan, ; Vong, Chi Man,  . -  1 ed.  . - [s.l.] : Springer, 2018 . - XIII, 285 p. 143 ilustraciones, 126 ilustraciones en color. ISBN : 978-3-319-57421-9 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia Computacional  Inteligencia artificial Clasificación: 006.3 Resumen: Este libro contiene algunos artículos seleccionados de la Conferencia Internacional sobre Máquinas de Aprendizaje Extremo 2016, que se celebró en Singapur del 13 al 15 de diciembre de 2016. Esta conferencia proporcionará un foro para que académicos, investigadores e ingenieros compartan e intercambien experiencias de I+D tanto en estudios teóricos como en aplicaciones prácticas de la técnica ELM y el aprendizaje cerebral. Las Máquinas de Aprendizaje Extremo (ELM) tienen como objetivo romper las barreras entre las técnicas de aprendizaje artificial convencionales y los mecanismos de aprendizaje biológico. ELM representa un conjunto de técnicas de aprendizaje (automático o posiblemente biológico) en las que no es necesario ajustar las neuronas ocultas. Las teorías de aprendizaje ELM muestran que se pueden derivar algoritmos de aprendizaje muy efectivos basados ​​en neuronas ocultas generadas aleatoriamente (con casi cualquier función de activación por partes no lineal), independientemente de los datos de entrenamiento y los entornos de aplicación. Cada vez más, la evidencia de la neurociencia sugiere que se aplican principios similares en los sistemas de aprendizaje biológico. Las teorías y algoritmos ELM sostienen que las "neuronas ocultas aleatorias" capturan un aspecto esencial de los mecanismos de aprendizaje biológico, así como la sensación intuitiva de que la eficiencia del aprendizaje biológico no necesita depender de la potencia de cálculo de las neuronas. Las teorías ELM, por tanto, apuntan a posibles razones por las que el cerebro es más inteligente y eficaz que los ordenadores actuales. ELM ofrece ventajas significativas sobre los algoritmos de aprendizaje de redes neuronales convencionales, como una velocidad de aprendizaje rápida, facilidad de implementación y una necesidad mínima de intervención humana. ELM también muestra potencial como una técnica alternativa viable para la computación a gran escala y la inteligencia artificial. Este libro cubre las teorías, los algoritmos y las aplicaciones de ELM. Ofrece a los lectores una visión de los avances más recientes de ELM. Tipo de medio : Computadora Summary : This book contains some selected papers from the International Conference on Extreme Learning Machine 2016, which was held in Singapore, December13-15, 2016. This conference will provide a forum for academics, researchers and engineers to share and exchange R&D experience on both theoretical studies and practical applications of the ELM technique and brain learning.  Extreme Learning Machines (ELM) aims to break the barriers between the conventional artificial learning techniques and biological learning mechanism. ELM represents a suite of (machine or possibly biological) learning techniques in which hidden neurons need not be tuned. ELM learning theories show that very effective learning algorithms can be derived based on randomly generated hidden neurons (with almost any nonlinear piecewise activation functions), independent of training data and application environments. Increasingly, evidence from neurosciencesuggests that similar principles apply in biological learning systems. ELM theories and algorithms argue that "random hidden neurons" capture an essential aspect of biological learning mechanisms as well as the intuitive sense that the efficiency of biological learning need not rely on computing power of neurons. ELM theories thus hint at possible reasons why the brain is more intelligent and effective than current computers. ELM offers significant advantages over conventional neural network learning algorithms such as fast learning speed, ease of implementation, and minimal need for human intervention. ELM also shows potential as a viable alternative technique for large‐scale computing and artificial intelligence. This book covers theories, algorithms ad applications of ELM. It gives readers a glance of the most recent advances of ELM. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

Sentiment Analysis in the Bio-Medical Domain / Satapathy, Ranjan  

Público ISBD Ningún comentario para este registro. Título : Sentiment Analysis in the Bio-Medical Domain : Techniques, Tools, and Applications Tipo de documento: documento electrónico Autores: Satapathy, Ranjan, ; Cambria, Erik, ; Hussain, Amir, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XXIV, 134 p. 45 ilustraciones, 33 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-68468-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Biología  Inteligencia Computacional  Ciencias de la Computación  Investigación biomédica Clasificación: 610.72 Resumen: La abundancia de texto disponible en las redes sociales y en foros y blogs relacionados con la salud ha atraído recientemente el interés de la comunidad de salud pública por utilizar estas fuentes para extraer opiniones. Este libro presenta un enfoque basado en léxico para el análisis de sentimientos en el ámbito biomédico, es decir, WordNet for Medical Events (WME). Este libro brinda información sobre cómo manejar datos textuales no estructurados y convertirlos en datos estructurados procesables por máquinas en el dominio biomédico. Los lectores descubrirán las siguientes novedades clave: 1) desarrollo de un léxico biomédico: expansión de WME y enriquecimiento de WME con características adicionales; 2) conjunto de aprendizaje automático y creatividad computacional; 3) desarrollo de técnicas de análisis de microtextos para superar la inconsistencia en la comunicación social. Será de interés para los investigadores en los campos de la interacción humano-máquina socialmente inteligente y la minería de textos biomédicos. Tipo de medio : Computadora Summary : The abundance of text available in social media and health-related forums and blogs have recently attracted the interest of the public health community to use these sources for opinion mining. This book presents a lexicon-based approach to sentiment analysis in the bio-medical domain, i.e., WordNet for Medical Events (WME). This book gives an insight in handling unstructured textual data and converting it to structured machine-processable data in the bio-medical domain. The readers will discover the following key novelties: 1) development of a bio-medical lexicon: WME expansion and WME enrichment with additional features.; 2) ensemble of machine learning and computational creativity; 3) development of microtext analysis techniques to overcome the inconsistency in social communication. It will be of interest to researchers in the fields of socially-intelligent human-machine interaction and biomedical text mining. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Sentiment Analysis in the Bio-Medical Domain : Techniques, Tools, and Applications [documento electrónico] / Satapathy, Ranjan, ; Cambria, Erik, ; Hussain, Amir,  . -  1 ed.  . - [s.l.] : Springer, 2017 . - XXIV, 134 p. 45 ilustraciones, 33 ilustraciones en color. ISBN : 978-3-319-68468-0 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Biología  Inteligencia Computacional  Ciencias de la Computación  Investigación biomédica Clasificación: 610.72 Resumen: La abundancia de texto disponible en las redes sociales y en foros y blogs relacionados con la salud ha atraído recientemente el interés de la comunidad de salud pública por utilizar estas fuentes para extraer opiniones. Este libro presenta un enfoque basado en léxico para el análisis de sentimientos en el ámbito biomédico, es decir, WordNet for Medical Events (WME). Este libro brinda información sobre cómo manejar datos textuales no estructurados y convertirlos en datos estructurados procesables por máquinas en el dominio biomédico. Los lectores descubrirán las siguientes novedades clave: 1) desarrollo de un léxico biomédico: expansión de WME y enriquecimiento de WME con características adicionales; 2) conjunto de aprendizaje automático y creatividad computacional; 3) desarrollo de técnicas de análisis de microtextos para superar la inconsistencia en la comunicación social. Será de interés para los investigadores en los campos de la interacción humano-máquina socialmente inteligente y la minería de textos biomédicos. Tipo de medio : Computadora Summary : The abundance of text available in social media and health-related forums and blogs have recently attracted the interest of the public health community to use these sources for opinion mining. This book presents a lexicon-based approach to sentiment analysis in the bio-medical domain, i.e., WordNet for Medical Events (WME). This book gives an insight in handling unstructured textual data and converting it to structured machine-processable data in the bio-medical domain. The readers will discover the following key novelties: 1) development of a bio-medical lexicon: WME expansion and WME enrichment with additional features.; 2) ensemble of machine learning and computational creativity; 3) development of microtext analysis techniques to overcome the inconsistency in social communication. It will be of interest to researchers in the fields of socially-intelligent human-machine interaction and biomedical text mining. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

Time Expression and Named Entity Recognition / Zhong, Xiaoshi  

Permalink

---

1 (1 - 6 / 6) Ver por página : 25 50 100 200