Topic modelling with NMF vs. expert topic annotation: the case study of Russian fiction

Татьяна Юрьевна Шерстинова; Ольга Александровна Митрофанова; Татьяна Георгиевна Скребцова; Екатерина Владимировна Замирайлова; Маргарита Кирина

doi:10.1007/978-3-030-60887-3_13

Topic modelling with NMF vs. expert topic annotation: the case study of Russian fiction

Татьяна Юрьевна Шерстинова, Ольга Александровна Митрофанова, Татьяна Георгиевна Скребцова, Екатерина Владимировна Замирайлова, Маргарита Кирина

Research output › › peer-review

Translated title of the contribution	Моделирование темы при помощи NMF и тематическое аннотирование экспертом (на примере русской художественной литературы)
Original language	English
Title of host publication	Advances in Computational Intelligence. MICAI 2020.
Place of Publication	Cham
Publisher	Springer Nature
Pages	134-151
Number of pages	18
DOIs	https://doi.org/10.1007/978-3-030-60887-3_13
Publication status	Published - 2020

Publication series

Name	Lecture Notes in Computer Science
Publisher	Springer
Volume	12469

Access to Document

10.1007/978-3-030-60887-3_13

Cite this

Шерстинова, Т. Ю., Митрофанова, О. А., Скребцова, Т. Г., Замирайлова, Е. В., & Кирина, М. (2020). Topic modelling with NMF vs. expert topic annotation: the case study of Russian fiction. In Advances in Computational Intelligence. MICAI 2020. (pp. 134-151). (Lecture Notes in Computer Science; Vol. 12469). Springer Nature. https://doi.org/10.1007/978-3-030-60887-3_13

Шерстинова, Татьяна Юрьевна ; Митрофанова, Ольга Александровна ; Скребцова, Татьяна Георгиевна ; Замирайлова, Екатерина Владимировна ; Кирина, Маргарита. / Topic modelling with NMF vs. expert topic annotation: the case study of Russian fiction. Advances in Computational Intelligence. MICAI 2020. . Cham : Springer Nature, 2020. pp. 134-151 (Lecture Notes in Computer Science).

@inproceedings{1d75282efe1e4179be5cec09838ef3cb,

title = "Topic modelling with NMF vs. expert topic annotation: the case study of Russian fiction",

author = "Шерстинова, {Татьяна Юрьевна} and Митрофанова, {Ольга Александровна} and Скребцова, {Татьяна Георгиевна} and Замирайлова, {Екатерина Владимировна} and Маргарита Кирина",

year = "2020",

doi = "10.1007/978-3-030-60887-3_13",

language = "English",

series = "Lecture Notes in Computer Science",

publisher = "Springer Nature",

pages = "134--151",

booktitle = "Advances in Computational Intelligence. MICAI 2020.",

address = "Germany",

}

Шерстинова, ТЮ , Митрофанова, ОА , Скребцова, ТГ, Замирайлова, ЕВ & Кирина, М 2020, Topic modelling with NMF vs. expert topic annotation: the case study of Russian fiction. in Advances in Computational Intelligence. MICAI 2020. . Lecture Notes in Computer Science, vol. 12469, Springer Nature, Cham, pp. 134-151. https://doi.org/10.1007/978-3-030-60887-3_13

Topic modelling with NMF vs. expert topic annotation: the case study of Russian fiction. / Шерстинова, Татьяна Юрьевна ; Митрофанова, Ольга Александровна ; Скребцова, Татьяна Георгиевна; Замирайлова, Екатерина Владимировна; Кирина, Маргарита.

Advances in Computational Intelligence. MICAI 2020. . Cham : Springer Nature, 2020. p. 134-151 (Lecture Notes in Computer Science; Vol. 12469).

Research output › › peer-review

TY - GEN

T1 - Topic modelling with NMF vs. expert topic annotation: the case study of Russian fiction

AU - Шерстинова, Татьяна Юрьевна

AU - Митрофанова, Ольга Александровна

AU - Скребцова, Татьяна Георгиевна

AU - Замирайлова, Екатерина Владимировна

AU - Кирина, Маргарита

PY - 2020

Y1 - 2020

U2 - 10.1007/978-3-030-60887-3_13

DO - 10.1007/978-3-030-60887-3_13

M3 - Conference contribution

T3 - Lecture Notes in Computer Science

SP - 134

EP - 151

BT - Advances in Computational Intelligence. MICAI 2020.

PB - Springer Nature

CY - Cham

ER -

Шерстинова ТЮ , Митрофанова ОА , Скребцова ТГ, Замирайлова ЕВ, Кирина М. Topic modelling with NMF vs. expert topic annotation: the case study of Russian fiction. In Advances in Computational Intelligence. MICAI 2020. . Cham: Springer Nature. 2020. p. 134-151. (Lecture Notes in Computer Science). https://doi.org/10.1007/978-3-030-60887-3_13