NOVOTNÝ, Vít. Vector Space Representations in Information Retrieval. Brno: Fakulta Informatiky Masarykovy Univerzity, 2017, 56 s.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Vector Space Representations in Information Retrieval
Název česky Vektorové reprezentace ve vyhledávání znalostí
Autoři NOVOTNÝ, Vít (203 Česká republika, garant, domácí).
Vydání Brno, 56 s. 2017.
Nakladatel Fakulta Informatiky Masarykovy Univerzity
Další údaje
Originální jazyk angličtina
Typ výsledku Účelové publikace
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Česká republika
Utajení není předmětem státního či obchodního tajemství
WWW Full text Archiv závěrečné práce Soubory související se závěrečnou prací
Kód RIV RIV/00216224:14330/17:00094402
Organizační jednotka Fakulta informatiky
Klíčová slova anglicky document segmentation; synonymy; question answering; vector space model; text retrieval; information retrieval
Štítky acl, gensim, scaletext
Příznaky Mezinárodní význam
Změnil Změnil: RNDr. Vít Starý Novotný, Ph.D., učo 409729. Změněno: 1. 11. 2021 09:37.
Anotace
Modern text retrieval systems employ text segmentation during the indexing of documents. I show that, rather than returning the segments to the user, significant improvements are achieved on the semantic text similarity task by combining all segments from a single document into one result with an aggregate similarity score. Standard text retrieval methods underestimate the semantic similarity between documents that use synonymous terms. Latent semantic indexing tackles the problem by clustering frequently co-occuring terms at the cost of the periodical reindexing of dynamic document collections and the suboptimality of co-occurences as a measure of synonymy. I develop a term similarity model that suffers neither of these flaws.
Anotace česky
Moderní systémy pro hledání textu provádějí během vytváření databáze dokumentů segmentaci. V práci představuji postup, pomocí kterého lze během vyhledávání všechny segmenty jednoho dokumentu spojit a odvodit z nich podobnost dokumentu vůči uživatelovu dotazu. Běžné metody vyhledávání textu podceňují podobnost dokumentů, které používají rozdílnou terminologii. Latentní sémantická analýza tento problém řeší shlukováním slov, která se vyskytují dohromady. Cenou za toto řešení je však nutnost opětovně vytvářet databázi dokumentů u dynamicky se měnících kolekcí a neadekvátnost souvýskytů slov jakožto míry jejich vzájemné podobnosti. V práci představuji model, který netrpí ani jedním zmíněným nedostatkem.
Návaznosti
TD03000295, projekt VaVNázev: Inteligentní software pro sémantické hledání dokumentů (Akronym: ISSHD)
Investor: Technologická agentura ČR, Inteligentní software pro sémantické hledání dokumentů
VytisknoutZobrazeno: 5. 8. 2024 11:21