应对稀疏文档与主题表示：CHiC 2012 实验报告
信息检索
2012-08-21 v1
摘要
本文将报告 GESIS 参与首届 CHiC 研讨会（CLEF 中的文化遗产）的情况。由于该研讨会系首次举办，此前尚无处理新数据集的经验；该数据集为 Europeana 的文档转储，包含约 2300 万份文档。对该测试集进行预测试时出现的最突出问题是非常不具体的主题和稀疏的文档表示。仅有一半的主题 (26/50) 包含描述，且标题通常很短，仅约两个词。因此，我们专注于三种不同的术语建议和查询扩展机制，以克服主题描述稀疏的问题。我们使用了两种基于从 Wikipedia 提取概念的方法，以及一种在可用的 Europeana 语料库上应用共现统计的方法。下文将展示这些方法及其评估的初步结果。
引用
@article{arxiv.1208.3952,
title = {Dealing with Sparse Document and Topic Representations: Lab Report for CHiC 2012},
author = {Philipp Schaer and Daniel Hienert and Frank Sawitzki and Andias Wira-Alam and Thomas Lüke},
journal= {arXiv preprint arXiv:1208.3952},
year = {2012}
}
备注
12 pages, to appear in CLEF 2012 Labs and Workshop, Notebook Papers. Report for the CHiC Lab: Ad-hoc Retrieval Task and Semantic Enrichment Task