Efficient index data structures and natural language processing for semantic full-text search

用于语义全文搜索的高效索引数据结构和自然语言处理

• 批准号: 207167963
• 负责人: Professorin Dr. Hannah Bast
• 金额: --
• 依托单位: Lehrstuhl für Algorithmen und Datenstrukturen
• 依托单位国家: 德国
• 项目类别: Priority Programmes
• 财政年份: 2011
• 资助国家: 德国
• 起止时间: 2010-12-31 至 2014-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/207167963?language=en
• 关键词: Efficient; index; data; structures; natural

Ziel des Projektes ist ein voll-funktionales System für effiziente semantische Volltextsuche. Der Forschungsschwerpunkt liegt dabei auf der Entwicklung effizienter Indexdatenstrukturen sowie auf einer effizienten natürlichen Sprachverarbeitung für diese Art von Suche. Das System sollte es uns zum Beispiel ermöglichen in einer gegebenen Dokumentensammlung nach “plants with edible leaves” zu suchen, und dabei etwa die Passage “Broccoli: the edible portion is stem tissue, flower buds, and some small leaves” als Treffer zurückliefen, nicht aber “Bananas are eaten deep fried, or steamed in glutinous rice wrapped in a banana leaf”. Dafür benötigen wir ein gewisses Maß an natürlicher Sprachverarbeitung, die zum Beispiel erkennt, dass in diesen beiden Sätzen sowohl mit “Broccoli” als auch “Banana” die “plant” gemeint ist (und nicht etwa die amerikanische Filmproduzentin Barbara Broccoli oder die Hafenstadt Banana im Kongo), und dass im ersten Satz “Broccoli”, “edible” und “leaves” zusammengehören, im zweiten Satz dagegen “Bananas”, “eaten” und “leaf” nicht. Das System soll insbesondere für die englische Wikipedia (ca. 30 GB an Text) in Kombination mit einer Ontologie wie Yago (ca. 10 Millionen Entitäten) zum Laufen gebracht werden. Ziel für die Vorverarbeitungszeit sind 5 MB Volltext / Sekunde. Ziel für die Anfragezeit sind höchstens 50 Millisekunden pro Anfrage.

Ziel des Projektes ist in voll- functionales System fr effiziente semantische Volltextsuche。Der Forschungsschwerpunkt liegt dabei auf Der Entwicklung effizienter indexdatenstruckturen sof iner effizienten natrlichen Sprachverarbeitung fr diese Art von Suche。System sollte es uns zum Beispiel ermöglichen in einer gegebenen Dokumentensammlung nach“有可食用叶子的植物”zu suchen, and dabei etwa die Passage“西兰花：可食用的部分是茎组织、花蕾和一些小叶子”；Treffer zurckliefen，“香蕉是油炸的，或者用香蕉叶包在糯米里蒸”。dafr benötigen wir ein gewisses masß an natrrichher Sprachverarbeitung, die zum Beispiel erkennt, dass in diesen beiten Sätzen sowohl mit“西兰花”als auch“香蕉”die die Hafenstadt Banana in Kongo), dass in ersten Satz“西兰花”，“可食用”和“叶子”zusammengehören, imzweiten Satz dagegen“香蕉”，“可食用”和“叶子”晚上。该系统还将<s:1>英文维基百科（约30 GB）与Yago（约1000万Entitäten） zum Laufen gebracht werden结合在一起。Ziel f<s:1> r die Vorverarbeitungszeit s5mb Volltext / Sekunde。Ziel f<s:1> r die Anfragezeit sind höchstens 50毫秒。