Learning Term Weights for Ad-hoc Retrieval

Benjamin Piwowarski 1
1 BD - Bases de Données
LIP6 - Laboratoire d'Informatique de Paris 6
Abstract : Most Information Retrieval models compute the relevance score of a document for a given query by summing term weights specific to a document or a query. Heuristic approaches, like TF-IDF, or probabilistic models, like BM25, are used to specify how a term weight is computed. In this paper, we propose to leverage learning-to-rank principles to learn how to compute a term weight for a given document based on the term occurrence pattern.
Type de document :
Pré-publication, Document de travail
2016
Liste complète des métadonnées

Littérature citée [25 références]  Voir  Masquer  Télécharger

http://hal.upmc.fr/hal-01358682
Contributeur : Benjamin Piwowarski <>
Soumis le : jeudi 1 septembre 2016 - 11:39:28
Dernière modification le : mercredi 21 mars 2018 - 18:58:10
Document(s) archivé(s) le : samedi 3 décembre 2016 - 19:32:45

Fichier

0895B5B8-8348-4D16-8D55-BCD448...
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01358682, version 1
  • ARXIV : 1606.04223

Collections

Citation

Benjamin Piwowarski. Learning Term Weights for Ad-hoc Retrieval. 2016. 〈hal-01358682〉

Partager

Métriques

Consultations de la notice

145

Téléchargements de fichiers

115