S'abonner

Artificial Immune Systems-Based Classification Model for Code-Mixed Social Media Data - 19/08/20

Doi : 10.1016/j.irbm.2020.07.004 
S. Shekhar a , D.K. Sharma a , D.K. Agarwal b , Y. Pathak c,
a Department of Computer Engineering and Applications, GLA University, Mathura, 281406, India 
b Department of Electronics & Communication Engineering, Maulana Azad National Institute of Technology (MANIT), Bhopal (MP), 462003, India 
c Department of Information Technology, Indian Institute of Information Technology (IIIT-Bhopal), Bhopal (MP), 462003, India 

Corresponding author.
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le Wednesday 19 August 2020
Cet article a été publié dans un numéro de la revue, cliquez ici pour y accéder

Graphical abstract

Le texte complet de cet article est disponible en PDF.

Highlights

Artificial immune systems-based classification model is proposed.
Artificial immune systems are inspired by biological immune system.
Artificial immune systems are used to optimize the Long short-term memory model.
The artificial immune systems-based LSTM model is used to classify code-mixed data.

Le texte complet de cet article est disponible en PDF.

Abstract

The main focus of the paper is to propose an artificial immune systems-based classification model for code-mixed social media data. The artificial immune systems are computational models inspired by the biological immune system. In this paper, artificial immune systems are used to optimize the initial parameters of Long short-term memory (LSTM) model. The proposed artificial immune systems-based LSTM model is then used for the classification of code-mixed data. The classification of Hindi-English code-mixed data into Hindi, English, and ambiguous words is done. Popular word embedding features were used for the representation of each word. The word embedding features and character embedding features have been used. The proposed method helps in identifying the word context by extracting the intent of user for using the ambiguous word in code-mixed sentence. Extensive experiments reveal that the artificial immune systems-based classification model outperforms competitive models especially when there are some ambiguous words in the social media data.

Le texte complet de cet article est disponible en PDF.

Keywords : Artificial immune systems, Biologically stimulated, Language identification, Ambiguous words


Plan


© 2020  AGBM. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.