Cookies
O website necessita de alguns cookies e outros recursos semelhantes para funcionar. Caso o permita, o INESC TEC irá utilizar cookies para recolher dados sobre as suas visitas, contribuindo, assim, para estatísticas agregadas que permitem melhorar o nosso serviço. Ver mais
Aceitar Rejeitar
  • Menu
Publicações

Publicações por LIAAD

2017

Curvas de crescimento dos portugueses dos 3 aos 7 anos: peso, estatura e índice de massa corporal

Autores
Freitas, D,; Poínhos, Rui; Sousa, Bruno; Franchini, Bela; Afonso, Cláudia; Correia, Flora; Almeida, Maria Daniel Vaz de; Oliveira, B.M.P.M.;

Publicação

Abstract

2017

Evolução da insulinorresistência em doentes submetidos a cirurgia bariátrica

Autores
Areias, M.; Neves, O.; Poínhos, Rui; Bruno M P M Oliveira; Correia, Flora;

Publicação

Abstract

2017

Breastfeeding and nutritional status in a population between 6 and 18 years old

Autores
Sousa, B.; Pinto, C.; Oliveira, Bruno M.P.M.; Almeida, Maria Daniel Vaz de;

Publicação

Abstract

2017

Birth weight, parents' body mass index and education level and nutritional status in a population between 6 and 18 years old

Autores
Sousa, B.; Pinto, C.; Oliveira, Bruno M.P.M.; Almeida, Maria Daniel Vaz de;

Publicação

Abstract

2017

Prevalência e determinantes da obesidade, gordura abdominal, e risco cardiovascular numa amostra representativa de idosos portugueses

Autores
Algarinho, J.; Afonso, Cláudia; Poínhos, Rui; Franchini, Bela; Pinhão, Sílvia; Correia, Flora; Almeida, Maria Daniel Vaz de; Bruno M P M Oliveira;

Publicação

Abstract

2017

Learning Temporal Ambiguity in Web Search Queries

Autores
Mansouri, B; Zahedi, MS; Rahgozar, M; Oroumchian, F; Campos, R;

Publicação
CIKM'17: PROCEEDINGS OF THE 2017 ACM CONFERENCE ON INFORMATION AND KNOWLEDGE MANAGEMENT

Abstract
Time has strong influence on web search. The temporal intent of the searcher adds an important dimension to the relevance judgments of web queries. However, lack of understanding their temporal requirements increases the ambiguity of the queries, turning retrieval effectiveness improvements into a complex task. In this paper, we propose an approach to classify web queries into four different categories considering their temporal ambiguity. For each query, we develop features from its search volumes and related queries using Google trends and its related top Wikipedia pages. Our experiment results show that these features can determine temporal ambiguity of a given query with high accuracy. We have demonstrated that a Multilayer Perceptron Networks can achieve better results in classifying temporal class of queries in comparison to other classifiers.

  • 256
  • 499