10.1. Describe how social media tag

10.1. Describe how social media tags are similar to anchor text. How are they
different?
10.2. Implement two algorithms for measuring the similarity between two tags.
The first algorithm should use a standard retrieval model, such as language modeling.
The second algorithm should use the Web or another resource to expand
the tag representation. Evaluate the effectiveness of the two algorithms on a set of
10–25 tags. Describe the algorithms, evaluation metrics, tag set, and results.
10.3. Compute five iterations of HITS (see Algorithm 3) and PageRank (see Figure
4.11) on the graph in Figure 10.3. Discuss how the PageRank scores compare
to the hub and authority scores produced by HITS.
10.4. Describe two examples of online communities that were not already discussed
in this chapter. How can the community-finding algorithms presented in
this chapter be used to detect each?
10.5. Find a community-based question answering site on the Web and ask two
questions, one that is low-quality and one that is high-quality. Describe the answer
quality of each question.
10.6. Find two examples of document filtering systems on the Web. How do they
build a profile for your information need? Is the system static or adaptive?
10.7. List the basic operations an indexer must support to handle the following
tasks: 1) static filtering, 2) adaptive filtering, and 3) collaborative filtering.
10.8. Implement the nearest neighbor–based collaborative filtering algorithm.
Using a publicly available collaborative filtering data set, compare the effectiveness,
in terms of mean squared error, of the Euclidean distance and correlation
similarity.
10.9. Both the clustering and nearest neighbor–based collaborative filtering algorithms
described in this chapter make predictions based on user/user similarity.
Formulate both algorithms in terms of item/item similarity. How can the distance
between two items be measured?
10.10. Form a group of 2–5 people and use a publicly available collaborative
search system. Describe your experience, including the pros and cons of using such
a system.

ผลลัพธ์ (ไทย) 1:

10.1 การอธิบายสังคมวิธีแท็กคล้ายกับข้อความของสมอ พวกเขาเป็นอย่างไรแตกต่างกัน10.2. ใช้สองอัลกอริทึมสำหรับการวัดความคล้ายคลึงระหว่างแท็กสองอัลกอริทึมแรกควรใช้แบบมาตรฐานเรียก เช่นโมเดลภาษาอัลกอริทึมที่สองควรใช้เว็บหรือทรัพยากรอื่นเพื่อขยายการแสดงป้าย ประเมินประสิทธิภาพของอัลกอริธึมสองชุดแท็ก 10 – 25 อธิบายอัลกอริทึม วัดประเมิน ชุดแท็ก และผลลัพธ์10.3 การคำนวณซ้ำห้าฮิต (ดู 3 อัลกอริทึม) และเพจแรงก์ (ดูรูปภาพ4.11) บนกราฟในรูปที่ 10.3 หารือเกี่ยวกับวิธีการเปรียบเทียบคะแนนของเพจแรงก์การฮับและอำนาจคะแนนโดยเยี่ยมชม10.4 การอธิบายตัวอย่างของชุมชนออนไลน์ที่ไม่ได้ถูกกล่าวถึงในบทนี้ อัลกอริทึมค้นหาชุมชนที่นำเสนอได้อย่างไรบทนี้ใช้ในการตรวจสอบแต่ละ10.5. ค้นหาไซต์ตอบคำถามที่ชุมชนบนเว็บ และขอให้สองถาม ที่มีคุณภาพต่ำ และที่มีคุณภาพสูง อธิบายคำตอบคุณภาพของแต่ละคำถาม10.6. ค้นหาตัวอย่างของเอกสารที่กรองระบบบนเว็บ วิธีทำพวกเขาสร้างโพรไฟล์ของคุณข้อมูล เป็นระบบคงที่ หรือปรับ10.7. รายการการดำเนินงานพื้นฐานที่ต้องสนับสนุนการทำดัชนีเพื่อจัดการต่อไปนี้งาน: 1) คงกรอง กรอง 2) ปรับ และกรอง 3) ทำงานร่วมกัน10.8 การใช้ใกล้ที่สุด – ตามเพื่อนบ้านร่วมมือกรองอัลกอริทึมใช้ชุดข้อมูลกรองร่วมกันเผย เปรียบเทียบประสิทธิผลในแง่ของค่าเฉลี่ยกำลังสองผิดพลาด ระยะทางแบบยุคลิดและสหสัมพันธ์ความคล้ายคลึงกัน10.9 การทั้งระบบคลัสเตอร์ และ ใกล้บ้าน – ใช้อัลกอริธึมกรองร่วมกันอธิบายไว้ในการคาดการณ์นี้ทำให้บทที่อิงผู้ใช้ผู้ใช้ความคล้ายคลึงกันกำหนดขั้นตอนวิธีทั้งในแง่ของความคล้ายคลึงกันของสินค้าในรายการ ระยะทางได้อย่างไรระหว่างสองรายการวัด10.10. ฟอร์มกลุ่ม 2 – 5 คนและใช้บริการสาธารณะร่วมกันค้นหาระบบ อธิบายประสบการณ์ของคุณ รวมทั้งข้อดีและข้อเสียของการใช้ดังกล่าวเป็นระบบ

ผลลัพธ์ (ไทย) 3:

10.1 . อธิบายวิธีการ , สื่อสังคมมีความคล้ายคลึงกับสมอข้อความ พวกเขาเป็นอย่างไรที่แตกต่างกัน ?10.2 . สองขั้นตอนวิธีที่ใช้สำหรับการวัดความคล้ายคลึงกันระหว่างสองป้ายขั้นตอนแรกควรใช้รูปแบบการดึงมาตรฐาน เช่น แบบจำลองภาษาวิธีที่สองจะใช้เว็บหรือทรัพยากรอื่นเพื่อขยายแท็กการเป็นตัวแทน ประเมินประสิทธิภาพของอัลกอริทึมในชุดสอง10 – 25 Tags อธิบายขั้นตอนวิธีการวัดประเมินผลแท็กชุด และผล10.3 . คำนวณห้ารอบ ( เห็นฮิตขั้นตอนวิธี PageRank ( ดูรูปที่ 3 ) และ4.11 ) บนกราฟในรูปที่ 10.3 . กล่าวถึงวิธี PageRank คะแนนเปรียบเทียบกับฮับและอำนาจสูงกว่าที่ผลิตโดยฮิต10.4 . อธิบายสองตัวอย่างของชุมชนออนไลน์ที่ไม่ได้กล่าวถึงในบทนี้ วิธีที่สามารถหาอัลกอริทึมที่นำเสนอในชุมชนบทนี้จะใช้ในการตรวจสอบแต่ละ10.5 ค้นหาการตอบคำถามบนเว็บไซต์และถามสองคำถามหนึ่งที่คุณภาพต่ำและหนึ่งที่คุณภาพสูง อธิบายตอบคุณภาพของคำถามแต่ละคำถาม10.6 . ค้นหาสองตัวอย่างของระบบการกรองเอกสารบนเว็บ วิธีการทำพวกเขาสร้างโปรไฟล์สำหรับความต้องการข้อมูลของคุณ ? เป็นระบบคงที่ หรือปรับตัวได้ ?10.7 . รายชื่อธุรกิจพื้นฐานที่มีดัชนีต้องสนับสนุนการจัดการต่อไปนี้งานไฟฟ้าสถิตกรอง 1 ) 2 ) และ 3 ) ตัวกรองแบบกรอง10.8 . เพื่อนบ้านที่ใกล้ที่สุดซึ่งใช้ขั้นตอนวิธีการกรองแบบใช้ที่ใช้ร่วมกันเปิดเผยต่อสาธารณชนกรองข้อมูลเปรียบเทียบประสิทธิผลในแง่ของค่าเฉลี่ยยกกำลังสองข้อผิดพลาดของระยะทางแบบยุคลิด และความสัมพันธ์ความเหมือน4 . ทั้ง clustering และเพื่อนบ้านที่ใกล้ที่สุด ( ) ขั้นตอนวิธีการกรองจากอธิบายไว้ในบทนี้ทำให้การคาดการณ์บนพื้นฐานของผู้ใช้ / ผู้ใช้ที่คล้ายคลึงกันทั้งในแง่ของการใช้รายการ / รายการที่คล้ายคลึงกัน ทำไมระยะทางระหว่างสองรายการเป็นวัด ?10.10 . แบบฟอร์ม กลุ่มที่ 2 – 5 คนและใช้ร่วมกันเปิดเผยต่อสาธารณชนระบบค้นหา อธิบายประสบการณ์ของคุณรวมทั้งข้อดีและข้อเสียของการใช้ เช่นระบบ