Concept Embedding for Information Retrieval

Abstract: Concepts are used to solve the term-mismatch problem. However, we need an effective similarity measure between concepts. Word embedding presents a promising solution. We present in this study three approaches to build concepts vectors based on words vectors. We use a vector-based measure to estimate inter-concepts similarity. Our experiments show promising results. Furthermore, words and concepts become comparable. This could be used to improve conceptual indexing process

Angaben zum Objekt

• Standort: Deutsche Nationalbibliothek Frankfurt am Main
• Umfang: Online-Ressource, 563-569 S.
• Sprache: Englisch
• Anmerkungen: Postprint ; begutachtet (peer reviewed) ; In: Pasi, Gabriella (Hg.), Piwowarski, Benjamin (Hg.), Azzopardi, Leif (Hg.), Hanbury, Allan (Hg.): Advances in Information Retrieval: 40th European Conference on IR Research, ECIR 2018, Grenoble, France, March 26-29, 2018 ; Proceedings. 2018. S. 563-569. ISBN 978-3-319-76941-7

Verweise und Beziehungen

• Erschienen in: Advances in Information Retrieval: 40th European Conference on IR Research, ECIR 2018, Grenoble, France, March 26-29, 2018 ; Proceedings ; Bd. 10772 ; Lecture Notes in Computer Science (LNCS) ; Bd. 10772

Klassifikation und Themen

• Klassifikation: Bibliotheks- und Informationswissenschaft

Beteiligte, Orts- und Zeitangaben

• Ereignis: Veröffentlichung
• (wo): Mannheim
• (wer): SSOAR, GESIS – Leibniz-Institut für Sozialwissenschaften e.V.
• (wann): 2018
• Ereignis: Veröffentlichung
• (wo): Cham
• (wer): Springer International Publishing
• (wann): 2018
• Urheber: Abdulahhad, Karam
• Beteiligte Personen und Organisationen: Pasi, Gabriella ; Piwowarski, Benjamin ; Azzopardi, Leif ; Hanbury, Allan

Weitere Informationen

• DOI: 10.1007/978-3-319-76941-7_45
• URN: urn:nbn:de:0168-ssoar-70719-0
• Rechteinformation: Open Access; Der Zugriff auf das Objekt ist unbeschränkt möglich.
• Letzte Aktualisierung: 25.03.2025, 13:47 MEZ