Text Segmentation Using Context Overlap

ŘEHŮŘEK, Radim. Text Segmentation Using Context Overlap. Progress in Artificial Intelligence. Guimarães, Portugal: Springer Berlin / Heidelberg, roč. 2007, č. 4874, s. 647-658, 11 s. ISSN 0302-9743. 2007.

Základní údaje

• Originální název: Text Segmentation Using Context Overlap
• Název česky: Segmentace textu s použitím překryvu kontextů
• Autoři: ŘEHŮŘEK, Radim (203 Česká republika, garant).
• Vydání: Progress in Artificial Intelligence, Guimarães, Portugal, Springer Berlin / Heidelberg, 2007, 0302-9743.

Další údaje

• Originální jazyk: angličtina
• Typ výsledku: Článek v odborném periodiku
• Obor: 10201 Computer sciences, information science, bioinformatics
• Stát vydavatele: Portugalsko
• Utajení: není předmětem státního či obchodního tajemství
• WWW: URL
• Kód RIV: RIV/00216224:14330/07:00023050
• Organizační jednotka: Fakulta informatiky
• UT WoS: 000252074800054
• Klíčová slova anglicky: text segmentation; LSI; latent semantic indexing
• Štítky: latent semantic indexing, LSI, text segmentation
• Příznaky: Mezinárodní význam, Recenzováno

Anotace

In this paper we propose features desirable of linear text segmentation algorithms for the Information Retrieval domain, with emphasis on improving high similarity search of heterogeneous texts. We proceed to describe a robust purely statistical method, based on context overlap exploitation, that exhibits these desired features. Experimental results are presented, along with comparison to other existing algorithms.

Anotace česky

In this paper we propose features desirable of linear text segmentation algorithms for the Information Retrieval domain, with emphasis on improving high similarity search of heterogeneous texts. We proceed to describe a robust purely statistical method, based on context overlap exploitation, that exhibits these desired features. Experimental results are presented, along with comparison to other existing algorithms.

Návaznosti

• LC536, projekt VaV: Název: Centrum komputační lingvistiky

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Centrum komputační lingvistiky