翻译 | Placing Search in Context The Concept Revisited

原文

摘要

[1] Keyword-based search engines are in widespread use today as a popular means for Web-based information retrieval.

[2] Although such systems seem deceptively simple, a considerable amount of skill is required in order to satisfy non-trivial information needs.

[3] This paper presents a new conceptual paradigm for performing search in context, that largely automates the search process, providing even non-professional users with highly relevant results.

[4] This paradigm is implemented in practice in the IntelliZap system, where search is initiated from a text query marked by the user in a document she views, and is guided by the text surrounding the marked query in that document (“the context”).

[5] The context-driven information retrieval process involves semantic keyword extraction and clustering to automatically generate new, augmented queries.

[6] The latter are submitted to a host of general and domain-specific search engines.

[7] Search results are then semantically reranked, using context. Experimental results testify that using context to guide search, effectively offers even inexperienced users an advanced search tool on the Web.

模型改进

第一节

[1] The core of IntelliZap technology is a semantic network, which provides a metric for measuring distances between pairs of words.

[2] The basic semantic network is implemented using a vector-based approach, where each word is represented as a vector in multi-dimensional space.

[3] To assign each word a vector representation, we first identified 27 knowledge domains (such as computers, business and entertainment) roughly partitioning the whole variety of topics.

[4] We then sampled a large set of documents in these domains on the Internet Word vectors were obtained by recording the frequencies of each word in each knowledge domain.

[5] Each domain can therefore be viewed as an axis in the multi-dimensional space.

[6] The distance measure between word vectors is computed using a correlation-based metric:

第二节

[1] Unfortunately, there are no accepted procedures for evaluating performance of semantic metrics.

[2] Following Resnik [1999], we evaluated different metrics by computing correlation between their scores and human-assigned scores for a list of word pairs.

[3] The intuition behind this approach is that a good metric should approximate human judgments well.

[4] While Resnik used a list of 30 noun pairs from Miller and Charles [1991], we opted for a more comprehensive evaluation.

[5] To this end, we prepared a diverse list of 350 noun pairs representing various degrees of similarity,10 and employed 16 subjects to estimate the “relatedness” of the words in pairs on a scale from 0 (totally unrelated words) to 10 (very much related or identical words).

[6] The vector-based metric achieved 41% correlation with averaged human scores, and the WordNet-based metric achieved 39% correlation11,12 A linear combination of the two metrics achieved 55% correlation with human scores.

[7] Currently, our semantic network is defined for the English language, though the technology can be adapted for other languages with minimal effort.

[8] This would require training the network using textual data for the desired language, properly partitioned into domains.

[9] Linguistic information can be added, subject to the availability of adequate tools for the target language (e.g., EuroWordNet for European languages [Euro WordNet] or EDR for Japanese [Yokoi 1995]).

翻译

摘要

[1] 基于关键字的搜索引擎作为一种流行的基于Web的信息检索手段,在今天得到了广泛的应用。

[2] 虽然这样的系统看起来似乎很简单,但为了满足非琐碎的信息需求,需要大量的技巧。

[3] 本文提出了一种新的在上下文中执行搜索的概念范式,它在很大程度上自动化了搜索过程,甚至为非专业用户召回了高度相关的结果。

[4] 这种范例是在 Intellizap 系统中实现的。在该系统中,搜索从用户在其所查看的文档中标记的文本查询开始,并由该文档中标记的查询周围的文本(“上下文”)来引导。

[5] 上下文驱动的信息检索过程包括语义关键字提取和聚类,从而自动生成新的、扩充的查询。

[6] 后者被提交给一系列通用和特定于域的搜索引擎。

[7] 然后使用上下文对搜索结果进行语义重新排序。实验结果表明,利用上下文来引导搜索,甚至可以有效地为没有经验的用户提供一种先进的网络搜索工具。

模型改进

第一节

[1] Intellizap技术的核心是一个语义网络,它为测量成对词之间的距离提供了一个度量标准。

[2] 基本语义网络是使用基于向量的方法实现的,其中每个词在多维空间中表示为一个向量。

[3] 为了给每个单词分配一个向量表示,我们首先确定了27个知识域(如计算机、商业和娱乐),大致划分了各种主题。

[4] 然后,我们对这些领域中的大量文档进行了抽样,通过记录每个知识领域中每个单词的频率,获得了互联网上的单词向量。

[5] 因此,可以将每个域看作多维空间中的一个轴。

[6] 单词向量之间的距离度量是使用基于相关性的度量来计算的:

第二节

[1] 不幸的是,没有可以被接受的手段来评估语义度量的性能。

[2] 继 Resnik[1999] 之后,我们通过计算机器打分与人类对指定的单词打分列表之间的相关性,来评估不同的指标。

[3] 这种方法背后的直觉是,一个好的度量应该很好地近似人类的判断。

[4] 虽然 Resnik 使用了 Miller 和 Charles[1991] 的 30 个名词对列表,但我们选择了更全面的评估。

[5] 为此,我们准备了一份 350 个不同的名词词对的列表,分别代表不同程度的相似性,由 10 个和 16 个受试者,以从0(完全无关的词)到10(非常相关或相同的词)的尺度来估计词对间的“相关性”。

[6] 基于向量的度量与平均人类分数的相关性达到41%,基于 WordNet 的度量与平均人类分数的相关性达到 39%,11,12这两个度量的线性组合与人类分数的相关性达到55%。

[7] 目前,我们的语义网络是为英语定义的,尽管这项技术可以用最少的努力适应其他语言。

[8] 这需要使用目标语言的文本数据对网络进行培训,并将其正确划分为域。

[9] 可根据目标语言的适当工具(例如,欧洲语言的 EurowordNet [欧元wordNet] 或日语的 EDR[Yokoi 1995])添加语言信息。

翻译 | Placing Search in Context The Concept Revisited的更多相关文章

  1. 【MT】牛津的MT教程

    Preamble This repository contains the lecture slides and course description for the Deep Natural Lan ...

  2. Saw a tweet from Andrew Liam Trask, sounds like Oxford DeepNLP 2017 class have all videos slides practicals all up. Thanks Andrew for the tip!

    Saw a tweet from Andrew Liam Trask, sounds like Oxford DeepNLP 2017 class have all videos/slides/pra ...

  3. (转)Go语言并发模型:使用 context

    转载自:https://segmentfault.com/a/1190000006744213 context golang 简介 在 Go http包的Server中,每一个请求在都有一个对应的 g ...

  4. [转] Go 的并发模式:Context

    [转] Go 的并发模式:Context tips:昨天看了飞雪无情的关于 Context 的文章,对 go 中 Context 有了一个初步的认识.今天看到一个 go 官方博客的关于 Context ...

  5. 【翻译】Awesome R资源大全中文版来了,全球最火的R工具包一网打尽,超过300+工具,还在等什么?

    0.前言 虽然很早就知道R被微软收购,也很早知道R在统计分析处理方面很强大,开始一直没有行动过...直到 直到12月初在微软技术大会,看到我软的工程师演示R的使用,我就震惊了,然后最近在网上到处了解和 ...

  6. 第九篇:在SOUI中使用多语言翻译

    为UI在不同地区显示不同的语言是产品国际化的一个重要要求. 在SOUI中实现了一套类似QT的多语言翻译机制:布局XML不需要调整,程序代码也不需要调整,只需要为不同地区的用户提供不同的语言翻译文件即可 ...

  7. golang语言中的context详解,Go Concurrency Patterns: Context

    https://blog.golang.org/context Introduction In Go servers, each incoming request is handled in its ...

  8. BFC (Block formatting context)

     一:BFC 是什么      MDN解释: A block formatting context is a part of a visual CSS rendering of a Web page. ...

  9. elasticsearch源码分析之search模块(server端)

    elasticsearch源码分析之search模块(server端) 继续接着上一篇的来说啊,当client端将search的请求发送到某一个node之后,剩下的事情就是server端来处理了,具体 ...

随机推荐

  1. python中关于turtle库的学习笔记

    一.基础概念 1.画布:画布就是turtle为我们展开用于绘图区域, 我们可以设置它的大小和初始位置.常用的画布方法有两个:screensize()和setup(). (1)turtle.screen ...

  2. python learning day01

    python简介 一.python的由来: python的创始人是吉多·范罗苏姆(Guido van Rossum).1989年的圣诞节期间,吉多·范罗苏姆为了在阿姆斯特丹打发时间,决心开发一个新的脚 ...

  3. vue开发记录--element-ui的form表单label和placeholder国际化遇到的小问题

    <el-form-item label="$t('permission.employeeName')"> <el-input v-model="form ...

  4. asp.net core 使用NLog记录日志到txt文件

    一.使用VisualStudioCode创建一个webapi项目(也可以是mvc等).一个类库(用于封装记录日志方法,当然如果使用依赖注入到控制台项目,就不需要此类库了). 二.在类库中添加NLog. ...

  5. css阴影框

    选中div浮动的阴影框.example-card:hover {box-shadow: 0 15px 30px rgba(0, 0, 0, 0.1);transform: translate3d(0, ...

  6. jsp的环境搭建

    JSP : 动态网页 一.静态和动态的区别: 1.是否会随着时间.地点.用户操作的改变而改变. 2.动态网页需要使用服务器端的脚本语言(JSP) 二.BS CS 1.CS:QQ.微信.CS游戏. 缺点 ...

  7. 8、D8: Default interface methods are only supported starting with Android N (--min-api 24): void

    1.错误信息 升级完 Android N 后,有些项目运行起来报错信息大致如下: Default interface methods are only supported starting with ...

  8. Java面试题和解答(四)

    1.JVM什么情况下会GC,GC策略有哪些 当应用程序分配新的对象,GC的代的预算大小已经达到阈值,比如GC的第0代已满:代码主动显式调用System.GC.Collect():其他特殊情况,比如,系 ...

  9. ES6新特性-函数的简写(箭头函数)

    通常函数的定义方法 var fn = function(...){ ...... } //例如: var add = function(a,b){ return a+b; } //或者: functi ...

  10. Summary: Calculate average where sum exceed double limits

    What is a good solution for calculating an average where the sum of all values exceeds a double's li ...