处理稀疏文档和主题表示：CHiC 2012实验报告
摘要：GESIS参加了首届CHiC研讨会（CLEF中的文化遗产）。该研讨会是第一次举办，没有关于这个新数据集的任何先前经验，这个数据集是欧洲纪录馆的约2300万文件。通过对这个测试集的预测试，出现了一些突出的问题，包括非常不具体的主题和稀疏的文档表示。只有一半的主题（26/50）包含了描述，标题通常只有大约两个词。因此，我们专注于三种不同的术语建议和查询扩展机制，以克服稀疏的主题描述。我们使用了两种从维基百科中提取概念的方法，以及一种应用共现统计方法于可用的欧洲纪录馆语料库的方法。在接下来的论文中，我们将介绍这些方法和初步结果。
作者：Philipp Schaer, Daniel Hienert, Frank Sawitzki, Andias Wira-Alam, Thomas L"uke
论文ID：1208.3952
分类：Information Retrieval
分类简称：cs.IR
提交时间：2012-08-21