Information retrieval research has

Information retrieval research has made significant progress
in the retrieval of text documents and images. However, relatively little attention has been given to the retrieval of information graphics (non-pictorial images such as bar charts
and line graphs) despite their proliferation in popular media
such as newspapers and magazines. Our goal is to build a
system for retrieving bar charts and line graphs that reasons
about the content of the graphic itself in deciding its relevance to the user query. This paper presents the first steps
toward such a system, with a focus on identifying the category of intended message of potentially relevant bar charts
and line graphs. Our learned model achieves accuracy higher
than 80% on a corpus of collected user queries.

CONCLUSION
This paper has presented the first steps in the development of a system for effectively retrieving information graphics in response to a user query. Our method relies on fullsentence queries in order to identify features of potentially
relevant graphics, rather than relying merely on keyword
matching. Thus far, we have developed learned models
for identifying the content of the independent and dependent axes and the category of intended message of relevant
graphs. Future work will utilize these in a mixture model for
ranking graphs for retrieval. To our knowledge, this work
is the only research effort that is specifically focused on the
retrieval of information graphics and that is attempting to
take into account the content of graphics.

ผลลัพธ์ (ไทย) 1:

การเรียกข้อมูลการวิจัยมีการจัดทำในการดึงเอกสารข้อความและภาพ อย่างไรก็ตาม ค่อนข้างได้รับความสนใจน้อยในการเรียกข้อมูลกราฟิก (ภาพไม่ใช่ภาพเช่นแผนภูมิแท่งและเส้นกราฟ) แม้ มีการแพร่กระจายของพวกเขาในสื่อที่นิยมเช่นหนังสือพิมพ์และนิตยสาร เป้าหมายของเราคือการ สร้างความระบบสำหรับการดึงเส้นและแผนภูมิแท่งกราฟแสดงเหตุผลที่เกี่ยวกับเนื้อหาของภาพตัวเองในการตัดสินใจที่เกี่ยวข้องกับการสอบถามผู้ใช้ บทความนี้แสดงขั้นตอนแรกต่อระบบดังกล่าว โดยมุ่งเน้นการระบุประเภทของข้อกำหนดของแผนภูมิแท่งที่อาจเกี่ยวข้องและกราฟเส้น รูปแบบการเรียนรู้ของเราให้ความแม่นยำสูงกว่า 80% ใน corpus ผู้รวบรวมแบบสอบถามสรุปเอกสารนี้ได้นำเสนอขั้นตอนแรกในการพัฒนาระบบสำหรับการดึงข้อมูลกราฟิกในการตอบสนองแบบสอบถามของผู้ใช้ได้อย่างมีประสิทธิภาพ วิธีของเราใช้ fullsentence แบบสอบถามเพื่อระบุคุณสมบัติของอาจกราฟิกที่เกี่ยวข้อง แทนที่อาศัยเพียงคำการจับคู่ ป่านนี้ เราได้พัฒนารูปแบบการเรียนรู้สำหรับการระบุเนื้อหาของอิสระ และขึ้นอยู่กับแกนและหมวดหมู่ของข้อกำหนดที่เกี่ยวข้องกราฟ ทำงานในอนาคตจะใช้เหล่านี้ในรูปแบบผสมสำหรับกราฟการจัดอันดับสำหรับการเรียก ความรู้ของเรา งานนี้มีความพยายามวิจัยเท่านั้นที่จะเน้นเฉพาะในการเรียกข้อมูลกราฟิกและที่พยายามคำนึงถึงเนื้อหาของกราฟิก

ผลลัพธ์ (ไทย) 2:

การวิจัยการดึงข้อมูลมีความคืบหน้าอย่างมีนัยสำคัญ
ในการดึงเอกสารข้อความและภาพ อย่างไรก็ตามความสนใจค่อนข้างน้อยได้รับการดึงข้อมูลกราฟิก (ภาพไม่ใช่ภาพเช่นแผนภูมิบาร์
และกราฟเส้น) แม้จะมีการแพร่กระจายของพวกเขาในสื่อที่นิยม
เช่นหนังสือพิมพ์และนิตยสาร เป้าหมายของเราคือการสร้าง
ระบบสำหรับการดึงแผนภูมิแท่งและสายกราฟที่เหตุผล
เกี่ยวกับเนื้อหาของกราฟิกของตัวเองในการตัดสินใจความเกี่ยวข้องกับการสอบถามผู้ใช้ บทความนี้นำเสนอขั้นตอนแรก
ที่มีต่อระบบดังกล่าวให้ความสำคัญกับการระบุหมวดหมู่ของข้อความตั้งใจของแผนภูมิแท่งที่เกี่ยวข้องที่อาจ
และกราฟเส้น รูปแบบการเรียนรู้ของเราประสบความสำเร็จในความถูกต้องสูง
กว่า 80% ในคลังของการค้นหาผู้ใช้เก็บรวบรวม.

สรุป
งานวิจัยนี้ได้นำเสนอขั้นตอนแรกในการพัฒนาระบบอย่างมีประสิทธิภาพสำหรับการดึงข้อมูลกราฟิกในการตอบสนองต่อการสอบถามผู้ใช้ วิธีการของเราต้องอาศัยคำสั่ง fullsentence เพื่อระบุคุณสมบัติของอาจ
กราฟิกที่เกี่ยวข้องแทนที่จะอาศัยเพียงคำหลัก
ที่ตรงกัน ป่านนี้เราได้มีการพัฒนารูปแบบการเรียนรู้
สำหรับการระบุเนื้อหาของแกนที่เป็นอิสระและขึ้นอยู่กับประเภทของการตั้งใจของข้อความที่เกี่ยวข้อง
กราฟ การทำงานในอนาคตจะใช้เหล่านี้ในรูปแบบผสมสำหรับ
การจัดอันดับกราฟสำหรับการเรียกใช้ ความรู้ของเรางานนี้
เป็นความพยายามในงานวิจัยเท่านั้นที่มุ่งเน้นเฉพาะใน
การดึงข้อมูลกราฟิกและจะพยายามที่จะ
คำนึงถึงเนื้อหาของกราฟิก

ผลลัพธ์ (ไทย) 3:

ข้อมูลงานวิจัยสืบค้นมีความก้าวหน้าอย่างมีนัยสำคัญในการสืบค้นเอกสารข้อความและภาพ อย่างไรก็ตาม ความสนใจค่อนข้างน้อยได้รับการเรียกข้อมูลภาพกราฟิก เช่น แผนภูมิภาพ ( ที่ไม่ใช่บาร์และเส้นกราฟ ) แม้จะมีการแพร่กระจายในสื่อที่เป็นที่นิยมเช่นหนังสือพิมพ์และนิตยสาร เป้าหมายของเราคือการสร้างระบบสืบค้นแผนภูมิแท่งและเส้นกราฟที่เหตุผลเกี่ยวกับเนื้อหาของฟิคตัวเองในการตัดสินใจที่มีความเกี่ยวข้องกับการค้นหาของผู้ใช้ บทความนี้นำเสนอขั้นตอนแรกต่อระบบดังกล่าว โดยมุ่งเน้นการระบุประเภทของวัตถุประสงค์ของข้อความ ที่อาจเกี่ยวข้องบาร์แผนภูมิและเส้นกราฟ เราเรียนแบบที่มีความถูกต้องสูงกว่ามากกว่า 80 % ในคลังข้อมูลที่รวบรวมแบบสอบถามของผู้ใช้สรุปบทความนี้ได้นำเสนอขั้นตอนแรกในการพัฒนาระบบให้มีประสิทธิภาพ การค้นคืนสารสนเทศกราฟิกในการตอบสนองต่อการค้นหาของผู้ใช้ วิธีการของเราอาศัยแบบสอบถาม fullsentence เพื่อระบุคุณสมบัติของซ่อนเร้นกราฟิกที่เกี่ยวข้อง แทนที่จะอาศัยเพียงคำหลักที่ตรงกัน ดังนั้นไกล เราได้พัฒนาเรียนรู้รุ่นสำหรับการระบุเนื้อหาของแกนเป็นอิสระและประเภทของวัตถุประสงค์ของข้อความ ที่เกี่ยวข้องกราฟ การทำงานในอนาคตจะใช้เหล่านี้ในรูปแบบผสมกราฟการจัดอันดับสำหรับคำค้น เพื่อความรู้ของเรา งานนี้เป็นเพียงความพยายามที่มุ่งเน้นการวิจัยในการสืบค้นข้อมูลกราฟิกและพยายามที่จะพิจารณาเนื้อหาของกราฟิก