Gimme' the context: context-driven automatic semantic annotation with C-PANKOW

P. Cimiano等人先前在WWW 2004發表了一篇有關自動文件註解 (automatic document annotation) 的論文。所謂文件註解，是輸入一份文件，將文件中的特定字彙標上類別(concept)，再輸出一份註解後的文件。作者提出的方法，是將文件中需要標記的proper nouns (NP)，套用linguistic patterns，產生例如 「Hotel ( concept) such as Hilton (proper noun)」等語句，再利用Google API搜尋到的頁面總數。去衡量不同concepts和NP間的關係，決定NP所屬的concept。這個方法最大的好處，是不需很多的訓練資料，就可以達到50%以上的precision。然而該方法仍有幾個問題，例如recall過低，時間複雜度隨著concepts數量成長。

　　本篇論文作者於WWW 2005發表了一個改進方法。與先前不同之處，作者利用正規表示式定義了「instance」做為文件中要註解的目標，降低計算複雜度。將instances套用linguistic patterns上Google去搜尋，抓取abstract。然後考慮了註解文件和abstracts間的相似度，來過濾掉與註記文件不相干的內容，藉以提高recall。

　　這個idea很直觀，並沒有套用很難的理論，但是作者在實驗還有相關研究比較上花了不少功夫，且把方法實作成公開的web service。根據實驗的結果，此方法的確提高了recall，並因時間複雜度的降低可以套用更大的ontology。