Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Sức khỏe - Y tế
Văn bản luật
Nông Lâm Ngư
Kỹ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Giới thiệu
Đăng ký
Đăng nhập
Tìm
Danh mục
Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Y tế sức khỏe
Văn bản luật
Nông lâm ngư
Kĩ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Thông tin
Điều khoản sử dụng
Quy định bảo mật
Quy chế hoạt động
Chính sách bản quyền
Giới thiệu
Đăng ký
Đăng nhập
0
Trang chủ
Luận Văn - Báo Cáo
Báo cáo khoa học
Báo cáo khoa học: "Automatically Mining Question Reformulation Patterns from Search Log Data"
Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "Automatically Mining Question Reformulation Patterns from Search Log Data"
Cao Minh
64
6
pdf
Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Natural language questions have become popular in web search. However, various questions can be formulated to convey the same information need, which poses a great challenge to search systems. In this paper, we automatically mined 5w1h question reformulation patterns from large scale search log data. | Automatically Mining Question Reformulation Patterns from Search Log Data Xiaobing Xue Univ. of Massachusetts Amherst xuexb@cs.umass.edu Yu Tao Univ. of Science and Technology of China v-yutao@microsoft.com Daxin Jiang Hang Li Microsoft Research Asia djiang hangli @microsoft.com Abstract Natural language questions have become popular in web search. However various questions can be formulated to convey the same information need which poses a great challenge to search systems. In this paper we automatically mined 5w1h question reformulation patterns from large scale search log data. The question reformulations generated from these patterns are further incorporated into the retrieval model. Experiments show that using question reformulation patterns can significantly improve the search performance of natural language questions. 1 Introduction More and more web users tend to use natural language questions as queries for web search. Some commercial natural language search engines such as InQuira and Ask have also been developed to answer this type of queries. One major challenge is that various questions can be formulated for the same information need. Table 1 shows some alternative expressions for the question how far is it from Boston to Seattle . It is difficult for search systems to achieve satisfactory retrieval performance without considering these alternative expressions. In this paper we propose a method of automatically mining 5w1h question reformulation patterns to improve the search relevance of 5w1h questions. Question reformulations represent the alternative expressions for 5w1h questions. A question Contribution during internship at Microsoft Research Asia 15w1h questions start with Who What Where When Why and How . 187 Table 1 Alternative expressions for the original question Original Question how far is it from Boston to Seattle Alternative Expressions how many miles is it from Boston to Seattle distance from Boston to Seattle Boston to Seattle how long
TÀI LIỆU LIÊN QUAN
Báo cáo khoa học: "Improve SMT Quality with Automatically Extracted Paraphrase Rules"
Báo cáo khoa học: "Automatically Learning Measures of Child Language Development"
Báo cáo khoa học: "Automatically Mining Question Reformulation Patterns from Search Log Data"
Báo cáo khoa học: "Toward Automatically Assembling Hittite-Language Cuneiform Tablet Fragments into Larger Texts"
Báo cáo khoa học: "Detecting Errors in Automatically-Parsed Dependency Relations"
Báo cáo khoa học: "Automatically Generating Term-frequency-induced Taxonomies"
Báo cáo khoa học: "Automatically generating annotator rationales to improve sentiment classification"
Báo cáo khoa học: "Automatically Predicting Peer-Review Helpfulness"
Báo cáo khoa học: "Automatically Generating Wikipedia Articles: A Structure-Aware Approach"
Báo cáo khoa học: "Automatically Extracting Polarity-Bearing Topics for Cross-Domain Sentiment Classification"
crossorigin="anonymous">
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.