Entity-Oriented Search

این کتاب دسترسی آزاد همه جنبه‌های جستجوی موجودیت‌محور را پوشش می‌دهد - که در آن «جستجو» را می‌توان در گسترده‌ترین معنای دسترسی به اطلاعات تفسیر کرد - از یک دیدگاه یکپارچه، و یک نمای کلی منسجم و جامع از وضعیت موجود ارائه می‌دهد. هنر این اولین ترکیب تحقیق در این منطقه وسیع و به سرعت در حال توسعه را نشان می دهد. موضوعات منتخب به طور عمیق مورد بحث قرار می گیرند و هدف آن ایجاد تکنیک ها و روش های اساسی به عنوان پایه ای برای تحقیق و توسعه آینده است. موضوعات اضافی فقط در سطح نظرسنجی بررسی می شوند که حاوی نکات متعددی به ادبیات مربوطه است. نقشه راه برای تحقیقات آینده، بر اساس مسائل باز و چالش های شناسایی شده در طول مسیر، کتاب را کامل می کند.

کتاب به سه بخش اصلی تقسیم شده است که بین فصل های مقدماتی و پایانی قرار گرفته است. دو فصل اول خوانندگان را با مفاهیم اساسی آشنا می‌کند، مروری بر وظایف جستجوی موجودیت‌محور ارائه می‌کند، و انواع مختلف و منابع داده‌ای را که در سراسر کتاب استفاده خواهد شد، ارائه می‌کند. بخش اول به وظیفه اصلی رتبه بندی موجودیت می پردازد: با توجه به یک پرس و جو متنی، که احتمالاً با عناصر اضافی یا نکات ساختاری غنی شده است، فهرست رتبه بندی شده ای از موجودیت ها را بازگردانید. این وظیفه اصلی در تعدادی از انواع مختلف، با استفاده از مجموعه‌های داده‌های ساختاریافته و بدون ساختار، و فرمول‌های پرس و جوی متعدد مورد بررسی قرار می‌گیرد. به نوبه خود، قسمت دوم به نقش موجودیت ها در پل زدن داده های ساختاریافته و ساختاریافته اختصاص دارد. بخش سوم به بررسی این موضوع می‌پردازد که چگونه موجودیت‌ها می‌توانند موتورهای جستجو را قادر به درک مفاهیم، ​​معنا، و هدف پشت پرسشی که کاربر در کادر جستجو وارد می‌کند، داشته باشند، و چگونه می‌توانند پاسخ‌های غنی و متمرکز ارائه کنند (برخلاف فهرستی از اسناد). فرآیندی که به عنوان جستجوی معنایی شناخته می شود. فصل پایانی کتاب را با بحث در مورد محدودیت‌های رویکردهای فعلی و پیشنهاد جهت‌گیری برای تحقیقات آتی به پایان می‌رساند.
محققان و دانشجویان تحصیلات تکمیلی مخاطبان اصلی این کتاب هستند. پیشینه کلی در بازیابی اطلاعات برای دنبال کردن مطالب کافی است، از جمله درک مفاهیم اولیه احتمال و آمار و همچنین دانش اولیه مفاهیم یادگیری ماشین و الگوریتم های یادگیری نظارت شده.

This open access book covers all facets of entity-oriented search—where “search” can be interpreted in the broadest sense of information access—from a unified point of view, and provides a coherent and comprehensive overview of the state of the art. It represents the first synthesis of research in this broad and rapidly developing area. Selected topics are discussed in-depth, the goal being to establish fundamental techniques and methods as a basis for future research and development. Additional topics are treated at a survey level only, containing numerous pointers to the relevant literature. A roadmap for future research, based on open issues and challenges identified along the way, rounds out the book.

The book is divided into three main parts, sandwiched between introductory and concluding chapters. The first two chapters introduce readers to the basic concepts, provide an overview of entity-oriented search tasks, and present the various types and sources of data that will be used throughout the book. Part I deals with the core task of entity ranking: given a textual query, possibly enriched with additional elements or structural hints, return a ranked list of entities. This core task is examined in a number of different variants, using both structured and unstructured data collections, and numerous query formulations. In turn, Part II is devoted to the role of entities in bridging unstructured and structured data. Part III explores how entities can enable search engines to understand the concepts, meaning, and intent behind the query that the user enters into the search box, and how they can provide rich and focused responses (as opposed to merely a list of documents)—a process known as semantic search. The final chapter concludes the book by discussing the limitations of current approaches, and suggesting directions for future research.
Researchers and graduate students are the primary target audience of this book. A general background in information retrieval is sufficient to follow the material, including an understanding of basic probability and statistics concepts as well as a basic knowledge of machine learning concepts and supervised learning algorithms.