IR Scientific Data: How to Semantically Represent and Enrich Them

Résumé En It

Experimental evaluation carried out in international large-scale campaigns is a fundamental pillar of the scientific and technological advancement of Information Retrieval (IR) systems. Such evaluation activities produce a large quantity of scientific and experimental data, which are the foundation for all the subsequent scientific production and development of new systems. We discuss how to annotate and interlink this data, by proposing a method for exposing experimental data as Linked Open Data (LOD) on the Web and as a basis for enriching and automatically connecting this data with expertise topics and expert profiles. In this context, a topic-centric approach for expert search is proposed, addressing the extraction of expertise topics, their semantic grounding with the LOD cloud, and their connection to IR experimental data.

La valutazione sperimentale condotta mediante campagne internazionali su larga scala, èun pilastro fondante dello sviluppo scientifico e dell’avanzamento tecnologico dei sistemi di reperimento dell’informazione. Queste attività di valutazione producono una grande quantità di dati sperimentali checostituiscono la base per la conseguente produzione scientifica e lo sviluppo di nuovi sistemi. In questo lavoro, si discute come annotare e collegare questi dati, proponendo un metodo per esporre i dati sperimentali come LOD nel Web e per usare tali dati come base per arricchirli. In questo contesto, viene proposto un approccio centrato sui topic per la ricerca di esperti, che affronta il problema dell’estrazione dei topic e il collegamento di questi con la “LOD cloud” e con i dati sperimentali.