Entity Retrieval Using Fine-Grained Entity Aspects

Chatterjee, Shubham; Dietz, Laura

doi:10.1145/3404835.3463035

Cited by 18 publications

(8 citation statements)

References 28 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A word will not only have one static vector but also a dynamic vector, depending on the specific context it is used for. This allows the resolution of terminology problems present in other word embedding models which associate a single representation for each word (Pfeiffer et al , 2018; Nogueira et al , 2020; Zheng et al , 2020; Zhuang et al , 2021; Wu et al , 2021; Chatterjee and Dietz, 2022; Wang et al , 2022).…”

Section: Related Workmentioning

confidence: 99%

LoGE: an unsupervised local-global document extension generation in information retrieval for long documents

Ayoub,

Rodrigues,

Travers

2023

IJWIS

View full text Add to dashboard Cite

Purpose This paper aims to manage the word gap in information retrieval (IR) especially for long documents belonging to specific domains. In fact, with the continuous growth of text data that modern IR systems have to manage, existing solutions are needed to efficiently find the best set of documents for a given request. The words used to describe a query can differ from those used in related documents. Despite meaning closeness, nonoverlapping words are challenging for IR systems. This word gap becomes significant for long documents from specific domains. Design/methodology/approach To generate new words for a document, a deep learning (DL) masked language model is used to infer related words. Used DL models are pretrained on massive text data and carry common or specific domain knowledge to propose a better document representation. Findings The authors evaluate the approach of this study on specific IR domains with long documents to show the genericity of the proposed model and achieve encouraging results. Originality/value In this paper, to the best of the authors’ knowledge, an original unsupervised and modular IR system based on recent DL methods is introduced.

show abstract

Section: Related Workmentioning

confidence: 99%

LoGE: an unsupervised local-global document extension generation in information retrieval for long documents

Ayoub,

Rodrigues,

Travers

2023

IJWIS

View full text Add to dashboard Cite

show abstract

“…Past studies have shown that entity ranking improves by leveraging mentions in text passages to create a topic-specific text-entity graph [12]. Transformer-based embeddings have been shown to be a reasonable entity ranking baseline [6], with a strong performance on the related tasks such as entity linking [38]. Entity ranking closely relates to entity aspect linking, where the task is to identify the fine-grained semantics of the entity that relates to a mention in a contextual passage [27,31].…”

Section: Entity Rankingmentioning

confidence: 99%

“…Entity ranking closely relates to entity aspect linking, where the task is to identify the fine-grained semantics of the entity that relates to a mention in a contextual passage [27,31]. Incorporation of entity aspects has also been shown to improve entity ranking [6].…”

Section: Entity Rankingmentioning

confidence: 99%

CODEC: Complex Document and Entity Collection

Mackie

Owoicho

Carlos

et al. 2022

Proceedings of the 45th International ACM SIGIR Conference on Research and Development in Information Retrieval

View full text Add to dashboard Cite

show abstract

“…BERT, metin verilerindeki dil yapısını ve bağlamı anlamak ve metinlerdeki kelimelerin gömülmesini (embedding) oluşturmak için kullanılan bir derin öğrenme modelidir (Büyük, 2023). Ayrıca, bu modelin sorgu özgü varlık gömülerini oluşturmak için kullanıldığı ve bu kullanımın daha iyi sonuçlar verdiği birçok çalışmada belirtilmiştir (Chatterjee & Dietz, 2022). Sonuç olarak, önceden eğitilmiş BERT modeli, yalnızca bir ek çıkış katmanıyla ince ayar yapılarak, soru cevaplama ve dil çıkarım gibi geniş bir yelpazede görevler için son teknoloji modelleri oluşturabilir, önemli görev özgü mimari değişiklikleri gerektirmez (Devlin ve ark.…”

Section: Introductionunclassified

Bir İnsan Bilgisayar Etkileşimi Örneği: Sesli Komutlar İle Veri Tabanı Sorgulama Uygulaması

BARIŞ,

RZAYEV,

ÖZYURT

et al. 2024

Karadeniz Fen Bilimleri Dergisi

View full text Add to dashboard Cite

Doğal dil işleme (DDİ), insan bilgisayar etkileşiminde geniş bir uygulama alanına sahiptir. Kullanıcıların arama memnuniyetini artırmak amacıyla birçok bilgi erişim yöntemleri geliştirilmiştir. Bu sebeple sesli komut ile veri tabanına erişim çalışması insanların alıştıkları soru ortamını hazırlamaya yönelik olmuştur. Bu çalışma kapsamında, sesli komutları yazıya döken bir sorgu ara yüzü geliştirilmiştir. Kullanıcılar bilgilendirici şablonlar sayesinde belirgin kelimeler kullanarak sesli şekilde istediği bilgiyi söyleyecektir. Söylenen cümle ilk aşamada metine çevrilmiştir. Bir sonraki aşamada kullanıcının arama sorgusunu daha iyi analiz ederek kullanıcının arama isteği doğrultusunda daha doğru ve kararlı sonuçlar ile karşılaşmasını hedefleyen açık kaynak kodlu BERT (Bidirectional Encoder Representations from Transformers) mimarisi kullanılarak kendi dikkat ağırlığına sahip etiketleri hizalamak amacıyla SQL (Yapılandırılmış Sorgu Dili) sorgulama dilinin bileşenleri sınıflandırılmıştır. Çalışmada SELECT ve DİĞER sorgu tipleri (DELETE, UPDATE) diye ayırarak ikili sınıflandırma üzerinde çalışılmıştır. Alınan veri etiketlenmiş verilerle karşılaştırılarak model doğruluğu test edilmiştir. Tahmin edilen etiket sonucu ara yüzde gösterilmiştir. Çalışma ile Türkçe tabanlı bir insan bilgisayar etkileşimi aracı geliştirilmiş ve SQL ile ilgili teknik bilgi gerektirmeden veri tabanını sorgulamalarına olanak tanınmıştır.

show abstract

Entity Retrieval Using Fine-Grained Entity Aspects

Cited by 18 publications

References 28 publications

LoGE: an unsupervised local-global document extension generation in information retrieval for long documents

LoGE: an unsupervised local-global document extension generation in information retrieval for long documents

CODEC: Complex Document and Entity Collection

Bir İnsan Bilgisayar Etkileşimi Örneği: Sesli Komutlar İle Veri Tabanı Sorgulama Uygulaması

Contact Info

Product

Resources

About