Proceedings of the fifth workshop on Exploiting semantic annotations in information retrieval
Notice bibliographique
Résumé
These proceedings contain the contributed papers of the Fifth Workshop on Exploiting Semantic Annotations in Information Retrieval (ESAIR 2012), held at CIKM 2012 at Maui, Hawaii, on November 2, 2012. After successful workshops at ECIR'08 in Glasgow, WSDM'09 in Barcelona, CIKM'10 in Toronto, and CIKM'11 in Glasgow, this year's workshop will focus on how to leverage the rich context currently available, especially in a mobile search scenario, giving powerful new handles to exploit semantic annotations. And how can we fruitfully combine information retrieval and semantic web approaches, and for the first time work actively toward a unified view on exploiting semantic annotations. ESAIR'12 will be a real workshop where researchers from these different disciplines will work together to identify natural use cases, barriers to success, and work on ways of addressing them: Application/Use Case: What are use cases that make obvious the need for semantic annotation of information? What tasks cannot be solved by document retrieval using the traditional bag-of-words? What is keeping searchers from exploring these powerful search requests? Annotations: What types of annotation are available? Are there crucial differences between author-, software-, user-, and machine-generated annotations? How similar or different are linked data and annotated text? What is impact of the web of data with more and more information in preprocessed form? Rich Context: Besides personalization and geo-positional information, mobiles have a wide and growing range of locational, mechanical and even biometrical sensor data available to them. Can kick-start the query by inferring task and situational context in the mobile use case? (Un)certainty: How should we interpret the annotations? Can expect a messy world to be captured in a clean set of meaningful categories? Or is all information fundamentally uncertain and only partly known? How can we fruitfully combine information retrieval and semantic web approaches? These and other related questions will be discussed at this open format workshop --- the aim is to provide paths for further research to change the way we understand information access today! The workshop will consist of three main parts: A keynote to help us formulate the challenges. A boaster and poster session with 10 papers selected by the program committee from 13 submissions (77%). Each paper was reviewed by at least two members of the program committee. Break out groups on different aspects of exploiting semantic annotations, with reports being discussed in the final session.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,015 | 0,022 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,021 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».