Skip to content
Publier & Distribuer
Solutions d'édition
Solutions de distribution
Services de bibliothèques
Thèmes
Architecture et design
Arts
Business et économie
Chimie
Chimie industrielle
Droit
Géosciences
Histoire
Informatique
Ingénierie
Intérêt général
Linguistique et sémiotique
Littérature
Mathématiques
Musique
Médecine
Pharmacie
Philosophie
Physique
Sciences bibliothécaires et de l'information, études du livre
Sciences des matériaux
Sciences du vivant
Sciences sociales
Sport et loisirs
Théologie et religion
Études classiques et du Proche-Orient ancient
Études culturelles
Études juives
Publications
Journaux
Livres
Comptes-rendus
Éditeurs
Journal Matcher
Blog
Contact
Chercher
Français
English
Deutsch
Polski
Español
Français
Italiano
Panier
Home
Journaux
Cybernetics and Information Technologies
Édition 18 (2018): Edition 1 (Mars 2018)
Accès libre
Graph-Based Complex Representation in Inter-Sentence Relation Recognition in Polish Texts
Arkadiusz Janz
Arkadiusz Janz
Wrocław University of Science and Technology
Wrocław, Poland
Recherchez cet auteur sur
Sciendo
|
Google Scholar
Janz, Arkadiusz
,
Paweł Kędzia
Paweł Kędzia
Wrocław University of Science and Technology
Wrocław, Poland
Recherchez cet auteur sur
Sciendo
|
Google Scholar
Kędzia, Paweł
et
Maciej Piasecki
Maciej Piasecki
Wrocław University of Science and Technology
Wrocław, Poland
Recherchez cet auteur sur
Sciendo
|
Google Scholar
Piasecki, Maciej
30 mars 2018
Cybernetics and Information Technologies
Édition 18 (2018): Edition 1 (Mars 2018)
À propos de cet article
Article précédent
Article suivant
Résumé
Références
Auteurs
Articles dans cette édition
Aperçu
PDF
Citez
Partagez
Télécharger la couverture
Publié en ligne:
30 mars 2018
Pages:
152 - 170
Reçu:
20 oct. 2017
Accepté:
31 janv. 2018
DOI:
https://doi.org/10.2478/cait-2018-0013
Mots clés
Cross-document structure theory
,
CST
,
supervised learning
,
graph-based representation
,
logistic model tree
,
LMT
,
support vector machine
,
SVM
© 2018 Arkadiusz Janz et al., published by De Gruyter Open
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.