PubMed related articles: a probabilistic topic-based model for content similarity.
PubMed related articles: a probabilistic topic-based model for content similarity.
复制标题
DOI：
10.1186/1471-2105-8-423
复制
发表时间：
2007-10-30
影响因子：
3
通讯作者：
Wilbur WJ
中科院分区：
文献类型：
--
作者：
Lin J;Wilbur WJ
我们提出了一个概率主题为基础的模型，称为pmra的内容相似性相关的文章搜索功能在PubMed的基础。一个文档是否是关于一个特定的主题是根据词频计算的，模型为泊松分布。不像以前的概率检索模型，我们不试图估计相关性，而是我们的重点是“相关性”，概率，用户会想要检查一个特定的文件已知的兴趣在另一个。我们还描述了一种用于估计参数的新技术，该技术不需要人类的相关性判断;相反，该过程是基于MEDLINE ®中MeSH ®的存在。pmra检索模型与bm 25进行了比较，bm 25是一个具有竞争力的概率模型，具有理论相似性。使用来自TREC 2005基因组学轨道的测试集合的实验显示，在精度方面，pmra比bm 25有小但统计上显著的改善。我们的实验显示pmra模型提供了一个有效的相关文章搜寻排序演算法。
We present a probabilistic topic-based model for content similarity called pmra that underlies the related article search feature in PubMed. Whether or not a document is about a particular topic is computed from term frequencies, modeled as Poisson distributions. Unlike previous probabilistic retrieval models, we do not attempt to estimate relevance–but rather our focus is "relatedness", the probability that a user would want to examine a particular document given known interest in another. We also describe a novel technique for estimating parameters that does not require human relevance judgments; instead, the process is based on the existence of MeSH ® in MEDLINE ®. The pmra retrieval model was compared against bm25, a competitive probabilistic model that shares theoretical similarities. Experiments using the test collection from the TREC 2005 genomics track shows a small but statistically significant improvement of pmra over bm25 in terms of precision. Our experiments suggest that the pmra model provides an effective ranking algorithm for related article search.
登录
查看更多内容
影响因子：
22.7
作者：
SALTON, G;WONG, A;YANG, CS
通讯作者：
YANG, CS
DOI：
10.1002/asi.4630260402
发表时间：
1975-01-01
期刊：
JOURNAL OF THE AMERICAN SOCIETY FOR INFORMATION SCIENCE
影响因子：
--
作者：
HARTER, SP
通讯作者：
HARTER, SP
影响因子：
8.6
作者：
WILBUR, WJ;COFFEE, L
通讯作者：
COFFEE, L
影响因子：
8.6
作者：
MARGULIS, EL
通讯作者：
MARGULIS, EL
影响因子：
2.1
作者：
ROBERTSON, SE
通讯作者：
ROBERTSON, SE