Semantisches Information Retrieval aus Texten am Fallbeispiel Elektronische Berufsberatung (SIR)

Wir schlagen einen neuen neatz zum Information Retrival(IR)vor，in DEM die Rlevanz eines dokuments in Bezug auf eine Anfrage MIT Hilfe von Maüen der lexikalisch-Semantischen are hnlichkeit近似wird wird.[参考译文]Gegenwärtige IR-Systeme bstimines De Rlevanz auf der Grundlage von Booleschen modellen，Vektorraum-Moellen or or概率istischen modellen.Anfragen和Dokumente是ALS Mengen von Indexterman和ALS Wortvektoren epräsentiert的交织。在此之前，我们将为您提供相关的信息。这句话的意思是：“我的意思是，我不知道我的意思是什么？”这句话的意思是：如果不是这样的话，我就不会这么做了，也不会这么做了。在Diesem Projekt wird das Information Retrivery MIT DEM Wissen des GermaNet中，eines lexikalisch-Semantischen Wortnetze MIT groçer Abdeckung，angereichert.从字面上看，信息检索是一种有效的信息检索方法。这项工作的目的是为了更好地满足人们的需求。在GermaNet Modellierte lexikalische Wissen，Domänen-und Weltwissen Sowie einer umfassenden Korpusanalys in GermaNet Modellierte lexikalische Wissen，Domänen-und Weltwissen Sowie einer umfassenden Korpus analyse MIT Ein.

Wir schlagen einen neuen Ansatz zum Information Retrieval (IR) vor, in dem die Relevanz eines Dokuments in Bezug auf eine Anfrage mit Hilfe von Maßen der lexikalisch-semantischen Ähnlichkeit approximiert wird. Gegenwärtige IR-Systeme bestimmen die Relevanz auf der Grundlage von Booleschen Modellen, Vektorraum-Modellen oder probabilistischen Modellen. Anfragen und Dokumente werden entweder als Mengen von Indextermen oder als Wortvektoren repräsentiert. Durch die Reduktion des Textes auf eine Menge von Wörtern gehen viele relevante Informationen verloren. Zwischen den einzelnen Wörtern existieren semantische und lexikalische Relationen, deren Wichtigkeit für die Bedeutung eines Textes jedoch nicht berücksichtigt wird. Ansätze, die auf das tiefe automatische Sprachverstehen abzielen, waren bisher typischerweise auf enge Domänen beschränkt. In diesem Projekt wird das Information Retrieval mit dem Wissen des GermaNet, eines lexikalisch-semantischen Wortnetzes mit großer Abdeckung, angereichert. Die Zwischenrepräsentation für das Information Retrieval wird verbessert, indem Wörter der natürlichen Sprache auf lexikalische Konzepte dieses Wortnetzes abgebildet werden. Die Relevanz eines Dokuments in Bezug auf eine Anfrage wird auf Grundlage der konzeptuellen Repräsentationen von Anfrage und Dokument und der semantischen Ähnlichkeit der entsprechenden Konzepte ermittelt. Dies bezieht das in GermaNet modellierte lexikalische Wissen, Domänen- und Weltwissen sowie die Ergebnisse einer umfassenden Korpusanalyse mit ein.