Detailed Information on Publication Record
2017
Vector Space Representations in Information Retrieval
NOVOTNÝ, VítBasic information
Original name
Vector Space Representations in Information Retrieval
Name in Czech
Vektorové reprezentace ve vyhledávání znalostí
Authors
NOVOTNÝ, Vít (203 Czech Republic, guarantor, belonging to the institution)
Edition
Brno, 56 pp. 2017
Publisher
Fakulta Informatiky Masarykovy Univerzity
Other information
Language
English
Type of outcome
Účelové publikace
Field of Study
10201 Computer sciences, information science, bioinformatics
Country of publisher
Czech Republic
Confidentiality degree
není předmětem státního či obchodního tajemství
RIV identification code
RIV/00216224:14330/17:00094402
Organization unit
Faculty of Informatics
Keywords in English
document segmentation; synonymy; question answering; vector space model; text retrieval; information retrieval
Tags
International impact
Změněno: 1/11/2021 09:37, RNDr. Vít Starý Novotný, Ph.D.
V originále
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.
In Czech
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.
Links
| TD03000295, research and development project |
|