數(shù)位文字知識(shí)探勘--以中文索引典之建構(gòu)及應(yīng)用為例(參考版)
2024-10-28 15:49本頁面
【正文】 Croft SIGIR99) 關(guān)聯(lián)比例： 67 % 結(jié)語 ? 共現(xiàn)索引典（關(guān)聯(lián)詞庫）的優(yōu)點(diǎn) – 快速呈現(xiàn)館藏文獻(xiàn)內(nèi)容，具備主題摘要效果 – 提供館藏內(nèi)容的有效瀏覽 – 即時(shí)反應(yīng)館藏文件索引、查詢用詞，降低「字彙不匹配」問題 – 提供非專業(yè)使用者專業(yè)的導(dǎo)引 ? 共現(xiàn)索引典（關(guān)聯(lián)詞庫）的缺點(diǎn) – 館藏文獻(xiàn)沒記載、或統(tǒng)計(jì)不足的關(guān)聯(lián)詞無法擷取 ? 如：「紅樓夢(mèng)」與「石頭記」 – 關(guān)聯(lián)屬性沒有標(biāo)示 計(jì)劃成果 ? 相關(guān)論文 – YuenHsien Tseng, Automatic Thesaurus Generation for Chinese Documents, Journal of the American Society for Information Science and Technology, Vol. 53, No. 13, Nov. 2020, pp. 11301138. – YuenHsien Tseng, Fast Cooccurrence Thesaurus Construction for Chinese News, Proceedings of the 2020 IEEE Systems, Man, and Cyberics Conference, Tucson, Arizona, USA, October 710, 2020, . ? 相關(guān)專利 – 曾元顯 , 數(shù)位文件關(guān)鍵特徵之自動(dòng)擷取方法 , 中華民國發(fā)明專利第 153789 – 曾元顯 ,漸進(jìn)式關(guān)聯(lián)詞庫之建構(gòu)方法 , 中華民國發(fā)明專利，專利號(hào)： I 290684. ? 後續(xù)論文 – YuenHsien Tseng, DaWei Juang and, ShiuHan Chen Global and Local Term Expansion for Text Retrieval, Proceedings of the Fourth NTCIR Workshop on Evaluation of Information Retrieval, Automatic Text Summarization and Question Answering, June 24, 2020, Tokyo, Japan. – 中文互動(dòng)式檢索輔助功能之效益評(píng)估 以關(guān)聯(lián)提示詞為例 , 2020年 ? 後續(xù)應(yīng)用 – 促進(jìn)國內(nèi)檢索技術(shù)提昇 中文互動(dòng)式檢索輔助功能之效益評(píng)估 以關(guān)聯(lián)提示詞為例 葉佳昀 ? 2020年以相同文件、相同查詢?cè)~、不同受試者重複實(shí)驗(yàn) – 小文件集 25233篇 – 中文件集 15,4720篇 – 小文件集的相關(guān)比例為 % – 中文件集的相關(guān)比例為 % – 文件越多，效果越好 ? 30個(gè)查詢?cè)~ 中東 地震 亞洲國家 通航 債券 環(huán)保署 中油 有線電視 邱義仁 博物館 奧運(yùn) 職棒 主計(jì)處 朱鎔基 國安基金 晶圓代工 會(huì)計(jì)師 醫(yī)生 古蹟 李安 國科會(huì) 鄉(xiāng)鎮(zhèn) 調(diào)查局 顔慶張 生物科技 那斯達(dá)克 被害人 雅虎 選民 黨員 NTCIR 中文主題檢索成效 ? 012::導(dǎo)演，黑澤明 ? 012::查詢?nèi)毡緦?dǎo)演黑澤明的生平大事 RunID Rigid Relax MAP % imp MAP % imp CCT+AT CCT+MT CCT+BRF CCT+MT+BRF CCT+AT(p) CCT+MT(p) CCT+BRF(p) CCT+MT+BRF(p) Max of CCT Avg of CCT Min of CCT 國內(nèi)系統(tǒng)類似功能 在教育資料方面的應(yīng)用 檢索試驗(yàn)平臺(tái) ksp/ EdShare知識(shí)關(guān)聯(lián)檢索 definition_page=relativeSearchPage Term Association ? Goal – To mine topic relations from massive texts ? Problem to be solved – Massive terms in digital collections – Possible termpairs are even more ? Achievement: – 380,000 docs. (470 MB texts) in 50 minutes on desktop PC – 78% related terms are judged relevant Examples: Term Suggestion Applications ? Reduce vocabulary mismatch – which causes major search failures ? Reduce load on searchers – Information is found only when it is seen, sometimes ? Increase retrieval effectiveness [NTCIR4 and 5] ? Increase understanding of the collections – A visual way to summarize the search results ? Provide expertlevel knowledge for novices – Example ? Coword analysis for clustering, and more app. – Example: Sun and HP Coword Analysis based on CRTs ? Compaq、伺服器、方案 are mon related terms (CRTs) of Sun and HP. Hence Sun and HP are clustered in a closer way (in the context that they are both puter panies). Examples for Coword Analysis 2347: (玩 具 :, 大 人 :, 幼 稚 園 :, 腸 病 毒 :) ?94: (小 孩 子 :, 玩 具 :, 嬰 兒 :, 大 人 :) ?185 : 孩子 (sonny) ?325 : 小孩 (kid) ?705: (玩 具 :, 暑 假 :, 大 人 :, 卡 通 :) ?363 : 兒童 (child) ?546 : 小朋友 (little friend) 13028: (安 非 他 命 :, 計(jì) 程 車 :, 轎 車 :, 子 彈 :) ?2733: (安 非 他 命 :, 子 彈 :, 計(jì) 程 車 :, 毒 品 :) ?654: (子 彈 :, 安 非 他 命 :, 警 力 :, 警 員 :) ?21: (刑 事 :, 子 彈 :, 安 非 他 命 :, 警 局 :) ?686 : 員警 (policeman) ?822 : 派出所 (police office) ?74 : 警方 (police) ?297 : 少年 (juvenile) ?684 : 清晨 (early morning) Nearsynonym term extraction: Useful association (previously unknown) for novice: 。網(wǎng)路音樂市場(chǎng)在過去幾年已顯現(xiàn) 市場(chǎng)潛力，主要拜 MP3規(guī)格之賜。 消費(fèi)者將可在手提裝置上聆聽下載來的 數(shù)位音樂 。 BMG隸屬於 Bertelsmann公司 。消費(fèi)者將可直接將音樂下載至 PC，而無需購買 CD或錄音帶 。 1. 靴子新款式 :2 2. 今秋東京 :2 3. 東京街頭 :2 4. 新款式 :3 5. 卷腿型 :2 6. 松軟型 :2 7. 哪一種 :2 8. 款式 :7 9. 靴子 :7 10. 今秋 :4 11. 流行 :3 12. 充分 :2 13. 出現(xiàn) :2 14. 吸引 :2 15
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1