بهبود کارایی بازخورد خودکار با استفاده از روش مبتنی بر هسته تابع گوسین

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 418

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

BPJ02_264

تاریخ نمایه سازی: 11 آبان 1395

چکیده مقاله:

بازخورد خودکار روشی موثر برای بهبود کارایی سیستم های بازیابی اطلاعات است. الگوریتم های بازخورد خودکار متعارف معمولا از کل یک سند بازخوردی برای استخراج ترم های مرتبط برای گسترش پرس و جو استفاده می کنند، این در حالی است که یک سند ممکن است چندین موضوع مختلف را پوشش دهد و در نتیجه تا حدودی شامل اطلاعات نامرتبط با پرس و جو خواهد بود. در این مقاله، ترم های مرتبط با موضوع پرس و جو براساس مجاورت آنها با ترم های پرس و جو در اسناد بازخوردی انتخاب شده اند. برای دستیابی به این هدف، ابتدا ترم های انتخابی از بالاترین k سند بازیابی شده، با استفاده از روش تحلیل محلی مفهومی ( LCA ) مرتب شده اند و یک مجموعه از ترم های با امتیاز بالاتر انتخاب شده اند. سپس، معیار KLD مجاورتی مبتنی بر هسته پیشنهاد شده است و از آن برای انتخاب ترم های مرتبط نهایی از بین ترم های کاندید انتخابی توسط روش LCA استفاده شده است. براساس نتایج آزمایشات، روش پیشنهادی منجر به بهبود نتایج گسترش پرس و جو روی معیار میانگین دقت متوسط ( MAP ) شده است.

کلیدواژه ها:

گسترش پرس وجو ، بازخورد خودکار ، معیار KLD مجاورتی مبتنی بر هسته ، فرکانس رخداد مجاورتی مبتنی بر هسته ، روش تحلیل محلی مفهومی

نویسندگان

سارا رمضانی

دانشکده فنی مهندسی شرق گیلان، دانشگاه گیلان،

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • S. Buttcher, L.A.Clarke and B. Lushman, _ proximity scoring for ...
  • K. Col lins-Thompson, "Reducing the risk of query expansion via ...
  • _ _ _ in the language modeling approach to information ...
  • X. Huang, Y.R. Huang, M. Wen, A. An, Y. Liu, ...
  • V. Lavrenko and W.B. Croft, "Relevance based language models", Proc. ...
  • J. Xu and W.B Croft, "Improving the effectiveness of imformation ...
  • M.E. Maron and J.K Kuhns, "On relevance, probabilistic indexing and ...
  • _ _ basis for the use of co-occurenc data in ...
  • C.J. Van Risbergen and D.J. Harper, "Evaluation of ...
  • C.J. Van Risbergen, D.J. Harper and M.F. Porter, "The selection ...
  • C.J. Van Rijsbergen and, A.F. Smeaton, "The retrieval effects of ...
  • S.E. Robertson, "On term selection for query expansion", Jourmal of ...
  • M.E. Lesk, "Word-word associations in document retrieval systems", American Documentation, ...
  • C. Carpineto, R. Mori, G. Romano and B. Bigi, "An ...
  • , No. 1, pp. 1-27, 2001. ...
  • E.M. Keen, "The use of term position devices in ranked ...
  • E.M. Keen, "Some aspects of proximity searching in text retrieval ...
  • Y. Rasolofo and , Savoy, _ proximity scoring for keyword-based ...
  • European Cof. on Imformation Retrieval research, Springer, LNCS 2633. Pisa, ...
  • R. Cummins and C. O Riordan, "Learning in a pairwise ...
  • _ _ _ _ SIGIR Conf on Research and Development ...
  • O. Vechtomova and Y. Wang, "A study of the effect ...
  • Y. Lv and Ch. Zhai, "Positional relevance model] for p ...
  • J. Miao, J.X. Huang and Z. Ye, "Proximity-b ased rocchio's ...
  • R. Subhashini, V.J. Senthil Kumar, "Evaluating the performance of similarity ...
  • H.J. Peat, P. Willett, "The limitations of term co- occurrence ...
  • W. Hersh, C. Buckley, T.J. Leone and D Hickam, "OHSUMED ...
  • M. Porter, _ algorithm for suffix stripping", Program, Vol. 14, ...
  • J. Allan, M.E. Connell, W.B. Croft, F. Feng, D. Fisher ...
  • نمایش کامل مراجع