LINA: Identifying Comparable Documents from Wikipedia - Archive ouverte HAL
Communication Dans Un Congrès Année : 2015

LINA: Identifying Comparable Documents from Wikipedia

Emmanuel Morin
Traitement Automatique du Langage Naturel
Amir Hazem
  • Fonction : Auteur
  • PersonId : 905437
Traitement Automatique du Langage Naturel
Florian Boudin
Traitement Automatique du Langage Naturel
CV
Elizaveta Loginova Clouet
  • Fonction : Auteur
  • PersonId : 950006
Traitement Automatique du Langage Naturel

Résumé

This paper describes the LINA system for the BUCC 2015 shared track. Following (Enright and Kondrak, 2007), our system identify comparable documents by collecting counts of hapax words. We extend this method by filtering out document pairs sharing target documents using pigeonhole reasoning and cross-lingual information .

Domaines

Traitement du texte et du document
Fichier principal
Vignette du fichier
W15-3413.pdf (131.06 Ko) Télécharger le fichier
Origine Fichiers éditeurs autorisés sur une archive ouverte

Florian Boudin  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-01185670

Soumis le : vendredi 21 août 2015-11:09:14

Dernière modification le : mardi 27 août 2024-12:46:03

Archivage à long terme le : mercredi 26 avril 2017-10:00:42

Télécharger pour visualiser

Dates et versions

hal-01185670 , version 1 (21-08-2015)

Identifiants

  • HAL Id : hal-01185670 , version 1

Citer

Emmanuel Morin, Amir Hazem, Florian Boudin, Elizaveta Loginova Clouet. LINA: Identifying Comparable Documents from Wikipedia. 8th Workshop on Building and Using Comparable Corpora (BUCC), Jul 2015, Pékin, China. ⟨hal-01185670⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

UNIV-NANTES CNRS EC-NANTES LINA-TALN UNAM LS2N LS2N-TALN ANR NANTES-UNIVERSITE
185 Consultations
203 Téléchargements

Partager

More