Term Selection for Query Expansion in Medical Cross-Lingual Information Retrieval

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F19%3A10405603" target="_blank" >RIV/00216208:11320/19:10405603 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007/978-3-030-15712-8_33" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-030-15712-8_33</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Term Selection for Query Expansion in Medical Cross-Lingual Information Retrieval

Popis výsledku v původním jazyce

We present a method for automatic query expansion for cross-lingual information retrieval in the medical domain. The method employs machine translation of source-language queries into a document language and linear regression to predict the retrieval performance for each translated query when expanded with a candidate term. Candidate terms (in the document language) come from multiple sources: query translation hypotheses obtained from the machine translation system, Wikipedia articles and PubMed abstracts. Query expansion is applied only when the model predicts a score for a candidate term that exceeds a tuned threshold which allows to expand queries with strongly related terms only. Our experiments are conducted using the CLEF eHealth 2013-2015 test collection and show significant improvements in both cross-lingual and monolingual settings.

Název v anglickém jazyce

Term Selection for Query Expansion in Medical Cross-Lingual Information Retrieval

Popis výsledku anglicky

We present a method for automatic query expansion for cross-lingual information retrieval in the medical domain. The method employs machine translation of source-language queries into a document language and linear regression to predict the retrieval performance for each translated query when expanded with a candidate term. Candidate terms (in the document language) come from multiple sources: query translation hypotheses obtained from the machine translation system, Wikipedia articles and PubMed abstracts. Query expansion is applied only when the model predicts a score for a candidate term that exceeds a tuned threshold which allows to expand queries with strongly related terms only. Our experiments are conducted using the CLEF eHealth 2013-2015 test collection and show significant improvements in both cross-lingual and monolingual settings.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GX19-26934X" target="_blank" >GX19-26934X: Neuronové reprezentace v multimodálním a mnohojazyčném modelování</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2019

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Advances in Information Retrieval; 41st European Conference on IR Research, ECIR 2019

ISBN

978-3-030-15719-7

ISSN

—

e-ISSN

—

Počet stran výsledku

16

Strana od-do

507-522

Název nakladatele

Springer International Publishing

Místo vydání

Berlin, Germany

Místo konání akce

Köln am Rhein, Germany

Datum konání akce

14. 4. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—