ScaleText: The Design of a Scalable, Adaptable and
User-Friendly Document System for Similarity Searches : Digging
for Nuggets of Wisdom in Text

D 2016

ScaleText: The Design of a Scalable, Adaptable and User-Friendly Document System for Similarity Searches : Digging for Nuggets of Wisdom in Text

RYGL, Jan, Petr SOJKA, Michal RŮŽIČKA a Radim ŘEHŮŘEK

Základní údaje

Originální název

ScaleText: The Design of a Scalable, Adaptable and User-Friendly Document System for Similarity Searches : Digging for Nuggets of Wisdom in Text

Autoři

RYGL, Jan (203 Česká republika), Petr SOJKA (203 Česká republika, garant, domácí), Michal RŮŽIČKA (203 Česká republika, domácí) a Radim ŘEHŮŘEK (203 Česká republika)

Vydání

Brno, Proceedings of the Tenth Workshop on Recent Advances in Slavonic Natural Language Processing, RASLAN 2016, od s. 79-87, 9 s. 2016

Nakladatel

Tribun EU

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Česká republika

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

tištěná verze "print"

Odkazy

Domovská stránka workshopu preprint

Kód RIV

RIV/00216224:14330/16:00087632

Organizační jednotka

Fakulta informatiky

ISBN

978-80-263-1095-2

ISSN

UT WoS

000466886400009

Klíčová slova česky

ScaleText; modelování vektorovým prostorem; latentní sémantické indexování; LSI; strojové učení; škálovatelné vyhledávání; návrh vyhledávače; dolování textu

Klíčová slova anglicky

ScaleText; vector space modelling; Latent Semantic Indexing; LSI; machine learning; scalable search; search system design; text mining

Příznaky

Mezinárodní význam, Recenzováno

Změněno: 13. 5. 2020 19:39, RNDr. Pavel Šmerk, Ph.D.

Anotace

V originále

This paper describes the design of a new ScaleText system aimed at scalable semantic indexing of heterogeneous textual corpora. We discuss the design decisions that lead to a modular system architecture for indexing and searching using semantic vectors of document segments – nuggets of wisdom. The prototype system implementation is evaluated by applying Latent Semantic Indexing (LSI) on the Enron corpus. And the Bpref measure is used to automate comparing the performance of different algorithms and system configurations.

Návaznosti

MUNI/A/0892/2015, interní kód MU

Název: Výzkum v aplikované informatice na FI MU (Akronym: VAIFIMU)

Investor: Masarykova univerzita, Výzkum v aplikované informatice na FI MU, DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty

TD03000295, projekt VaV

Název: Inteligentní software pro sémantické hledání dokumentů (Akronym: ISSHD)

Investor: Technologická agentura ČR, Inteligentní software pro sémantické hledání dokumentů

Citovat

RYGL, Jan, Petr SOJKA, Michal RŮŽIČKA a Radim ŘEHŮŘEK. ScaleText: The Design of a Scalable, Adaptable and User-Friendly Document System for Similarity Searches : Digging for Nuggets of Wisdom in Text. In Aleš Horák, Pavel Rychlý, Adam Rambousek. Proceedings of the Tenth Workshop on Recent Advances in Slavonic Natural Language Processing, RASLAN 2016. Brno: Tribun EU, 2016, s. 79-87. ISBN 978-80-263-1095-2.

@inproceedings{1361540,
   author = {Rygl, Jan and Sojka, Petr and Růžička, Michal and Řehůřek, Radim},
   address = {Brno},
   booktitle = {Proceedings of the Tenth Workshop on Recent Advances in Slavonic Natural Language Processing, RASLAN 2016},
   editor = {Aleš Horák, Pavel Rychlý, Adam Rambousek},
   keywords = {ScaleText; vector space modelling; Latent Semantic Indexing; LSI; machine learning; scalable search; search system design; text mining},
   howpublished = {tištěná verze "print"},
   language = {eng},
   location = {Brno},
   isbn = {978-80-263-1095-2},
   pages = {79-87},
   publisher = {Tribun EU},
   title = {ScaleText: The Design of a Scalable, Adaptable and User-Friendly Document System for Similarity Searches : Digging for Nuggets of Wisdom in Text},
   url = {http://raslan2016.nlp-consulting.net/},
   year = {2016}
}

TY  - JOUR
ID  - 1361540
AU  - Rygl, Jan - Sojka, Petr - Růžička, Michal - Řehůřek, Radim
PY  - 2016
TI  - ScaleText: The Design of a Scalable, Adaptable and User-Friendly Document System for Similarity Searches : Digging for Nuggets of Wisdom in Text
PB  - Tribun EU
CY  - Brno
SN  - 9788026310952
KW  - ScaleText
KW  - vector space modelling
KW  - Latent Semantic Indexing
KW  - LSI
KW  - machine learning
KW  - scalable search
KW  - search system design
KW  - text mining
UR  - http://raslan2016.nlp-consulting.net/
L2  - http://www.fi.muni.cz/usr/sojka/papers/rygl-sojka-ruzicka-rehurek-raslan2016.pdf
N2  - This paper describes the design of a new ScaleText system aimed at scalable semantic indexing of heterogeneous textual corpora. We discuss the design decisions that lead to a modular system architecture for indexing and searching using semantic vectors of document segments – nuggets of wisdom. The prototype system implementation is evaluated by applying Latent Semantic Indexing (LSI) on the Enron corpus. And the Bpref measure is used to automate comparing the performance of different algorithms and system configurations.
ER  -

RYGL, Jan, Petr SOJKA, Michal RŮŽIČKA a Radim ŘEHŮŘEK. ScaleText: The Design of a Scalable, Adaptable and User-Friendly Document System for Similarity Searches : Digging for Nuggets of Wisdom in Text. In Aleš Horák, Pavel Rychlý, Adam Rambousek. \textit{Proceedings of the Tenth Workshop on Recent Advances in Slavonic Natural Language Processing, RASLAN 2016}. Brno: Tribun EU, 2016, s.~79-87. ISBN~978-80-263-1095-2.

Podrobný výpis o publikaci