ScaleText: The Design of a Scalable, Adaptable and User-Friendly Document System for Similarity Searches : Digging for Nuggets of Wisdom in Text

Varování

Publikace nespadá pod Ústav výpočetní techniky, ale pod Fakultu informatiky. Oficiální stránka publikace je na webu muni.cz.

Autoři	RYGL Jan SOJKA Petr RŮŽIČKA Michal ŘEHŮŘEK Radim
Rok publikování	2016
Druh	Článek ve sborníku
Konference	Proceedings of the Tenth Workshop on Recent Advances in Slavonic Natural Language Processing, RASLAN 2016
Fakulta / Pracoviště MU	Fakulta informatiky
Citace
www	Domovská stránka workshopu preprint
Obor	Informatika
Klíčová slova	ScaleText; vector space modelling; Latent Semantic Indexing; LSI; machine learning; scalable search; search system design; text mining
Popis	This paper describes the design of a new ScaleText system aimed at scalable semantic indexing of heterogeneous textual corpora. We discuss the design decisions that lead to a modular system architecture for indexing and searching using semantic vectors of document segments – nuggets of wisdom. The prototype system implementation is evaluated by applying Latent Semantic Indexing (LSI) on the Enron corpus. And the Bpref measure is used to automate comparing the performance of different algorithms and system configurations.
Související projekty:	Výzkum v aplikované informatice na FI MU Inteligentní software pro sémantické hledání dokumentů