How do we interpret this formula? T

How do we interpret this formula? The prior probability P(D) is usually assumed
to be uniform and can be ignored. The expression Πni=1 P(qi|D) is, in fact,
the query likelihood score for the document D. This means that the estimate for
P(w, q1 . . . qn) is simply a weighted average of the language model probabilities
for w in a set of documents, where the weights are the query likelihood scores for
those documents.
Ranking based on relevance models actually requires two passes. The first pass
ranks documents using query likelihood to obtain the weights that are needed
for relevance model estimation. In the second pass, we use KL-divergence to rank
documents by comparing the relevance model and the document model. Note
also that we are in effect adding words to the query by smoothing the relevance
model using documents that are similar to the query. Many words that had zero
probabilities in the relevance model based on query frequency estimates will now
have non-zero values. What we are describing here is exactly the pseudo-relevance
feedback process described in section 6.2.4. In other words, relevance models provide
a formal retrieval model for pseudo-relevance feedback and query expansion.

ผลลัพธ์ (ไทย) 1:

วิธีทำเราแปลความหมายสูตรนี้ ความเป็นไปได้ก่อนมักจะสันนิษฐานว่า P(D)จะเหมือนกัน และสามารถละเว้น Πni นิพจน์ = 1 P(qi| ง) เป็น ในความเป็นจริง สอบถามคะแนนโอกาสสำหรับ D. เอกสาร ซึ่งหมายความ ว่า การประเมินสำหรับP (w, q1...โรงแรม) เป็นเพียงค่าเฉลี่ยถ่วงน้ำหนักของภาษาน่าจะรุ่นสำหรับในชุดของเอกสาร คะแนนโอกาสสอบถามของน้ำหนัก wเอกสารเหล่านี้จัดอันดับตามรูปเกี่ยวข้องจริงต้องสองผ่าน พาสแรกอันดับที่เอกสารโดยใช้แบบสอบถามโอกาสการรับน้ำหนักที่จำเป็นสำหรับความเกี่ยวข้องแบบประเมิน ในรหัสผ่านสอง เราใช้ KL-เศรษฐกิจในการจัดอันดับเอกสาร โดยการเปรียบเทียบแบบจำลองเกี่ยวข้องและรูปแบบเอกสาร หมายเหตุยังว่า เราอยู่ในลักษณะการเพิ่มคำในแบบสอบถาม โดยปรับความเกี่ยวข้องรุ่นที่ใช้เอกสารที่คล้ายกับแบบสอบถาม คำจำนวนมากที่มีศูนย์น่าจะในรูปแบบความเกี่ยวข้องตามการประเมินแบบสอบถามความถี่จะตอนนี้มีค่าไม่เป็นศูนย์ สิ่งที่เราจะอธิบายต่อไปนี้เป็นความเกี่ยวข้องหลอกแน่นอนกระบวนการความคิดเห็นที่อธิบายไว้ในส่วน 6.2.4 ในคำอื่น ๆ รุ่นที่เกี่ยวข้องให้แบบจำลองทางการเรียกสำหรับการขยายความคิดเห็นและสอบถามเกี่ยวหลอก

ผลลัพธ์ (ไทย) 2:

ทำอย่างไรเราจะตีความสูตรนี้? ความน่าจะเป็นก่อนที่ P (D) มักจะสันนิษฐาน
ว่าเป็นที่สม่ำเสมอและสามารถละเลย การแสดงออกΠni = 1 P (Qi | D) ในความเป็นจริง,
คะแนนแบบสอบถามโอกาสสำหรับเอกสารที่ดีซึ่งหมายความว่าประมาณการสำหรับ
P เป็นเพียงค่าเฉลี่ยถ่วงน้ำหนักของรูปแบบภาษา (w, Q1 qn...) ความน่าจะเป็น
สำหรับ W ในชุดของเอกสารที่น้ำหนักที่มีคะแนนแบบสอบถามโอกาสสำหรับ
เอกสารเหล่านั้น.
การจัดอันดับตามรูปแบบความสัมพันธ์กันจริงต้องผ่านไปสอง ครั้งแรกผ่าน
การจัดอันดับความน่าจะเป็นเอกสารโดยใช้แบบสอบถามเพื่อให้ได้น้ำหนักที่มีความจำเป็น
สำหรับการประมาณรูปแบบความสัมพันธ์กัน ในรหัสผ่านที่สองเราจะใช้ KL-ความแตกต่างในการจัดอันดับ
เอกสารโดยการเปรียบเทียบรูปแบบความสัมพันธ์กันและรูปแบบเอกสาร หมายเหตุ
ยังที่เราจะมีผลเพิ่มคำในแบบสอบถามโดยการปรับให้เรียบความเกี่ยวข้อง
รูปแบบโดยใช้เอกสารที่มีความคล้ายคลึงกับแบบสอบถาม หลายคำที่มีศูนย์
ความน่าจะเป็นในรูปแบบความสัมพันธ์กันขึ้นอยู่กับการประมาณการความถี่แบบสอบถามในขณะนี้จะ
มีค่าที่ไม่ใช่ศูนย์ สิ่งที่เราจะอธิบายที่นี่เป็นสิ่งหลอกความเกี่ยวข้อง
กระบวนการข้อเสนอแนะที่อธิบายไว้ในส่วน 6.2.4 ในคำอื่น ๆ รุ่นความสัมพันธ์กันให้
เป็นรูปแบบการเรียกอย่างเป็นทางการสำหรับข้อเสนอแนะหลอกเกี่ยวข้องและการขยายการค้นหา

ผลลัพธ์ (ไทย) 3:

แล้วเราจะตีความสูตรนี้ ก่อนที่ความน่าจะเป็น P ( D ) มักจะถือว่าถูกสม่ำเสมอและสามารถถูกละเว้น การแสดงออกΠ ni = 1 P ( ฉี | D ) คือ ในความเป็นจริงคะแนนโอกาสค้นหาเอกสาร D . นี้หมายความว่าประมาณการP ( W , 1 . . . . . . . . ? ) เป็นเพียงค่าเฉลี่ยถ่วงน้ำหนักของภาษาแบบจำลองความน่าจะเป็นสำหรับ W ในชุดของเอกสารที่น้ำหนักเป็นโอกาสคะแนนแบบสอบถามเอกสารเหล่านั้นการจัดอันดับขึ้นอยู่กับรุ่นที่เกี่ยวข้องจริง ๆ ต้องผ่านสอง . ผ่านครั้งแรกการจัดอันดับเอกสารการใช้แบบสอบถามเพื่อให้ได้น้ำหนักความเป็นไปได้ที่จำเป็นการประมาณค่าแบบจำลองความเกี่ยวข้อง ในผ่านที่สอง เราใช้ KL ความแตกต่างอันดับเอกสารเปรียบเทียบความเกี่ยวข้องและรูปแบบเอกสารรูปแบบ หมายเหตุยังที่เราจะมีผลเพิ่มคําถาม โดย The เรียบรูปแบบการใช้เอกสารที่เป็นคล้ายกับการ หลายคำที่ศูนย์ความน่าจะเป็นในความสัมพันธ์แบบตามแบบสอบถามประเมินความถี่จะตอนนี้ต้องไม่เป็นค่า สิ่งที่เราจะอธิบายที่นี่ก็ความเกี่ยวข้องเทียมกระบวนการป้อนกลับที่อธิบายไว้ในส่วน 6.2.4 . ในคำอื่น ๆที่เกี่ยวข้องให้รุ่นรูปแบบทางการสืบค้นความคิดเห็นความเกี่ยวข้องเทียมและการสอบถาม