We consider three mixture models wh

We consider three mixture models which respectively capture structural relevance, message relevance, and both structural and message relevance. Since the results of query processing are not always correct, we add to each model a back-off relevance measurement R(Qt, Gt) which measures the relevance of all the words in the query to all the words in a candidate infographic. In addition, we include a baseline model that treats the words in the graphic and the words in the query as two bags of words and measures their relevance to one another.

ผลลัพธ์ (ไทย) 1:

เราพิจารณาส่วนผสมสามรุ่นซึ่งตามลำดับเก็บเกี่ยวข้องโครงสร้าง ข้อความ และเกี่ยวข้องโครงสร้างและข้อความ เนื่องจากผลลัพธ์ของการประมวลผลแบบสอบถามไม่ถูกต้องเสมอ เราเพิ่มแต่ละรูปแบบการประเมินเกี่ยวข้องหลังปิด R (Qt, Gt) ซึ่งวัดความเกี่ยวข้องของคำทั้งหมดในแบบสอบถามการคำทั้งหมดในข้อมูลผู้สมัคร นอกจากนี้ เรารวมแบบพื้นฐานที่คำในภาพและคำในแบบสอบถามเป็นกระเป๋าสองคำ และวัดความเกี่ยวข้องของคนอื่น

ผลลัพธ์ (ไทย) 2:

เราพิจารณาสามรุ่นซึ่งส่วนผสมตามลำดับความสัมพันธ์กันจับโครงสร้างความสัมพันธ์กันข้อความและทั้งโครงสร้างและข้อความความสัมพันธ์กัน เนื่องจากผลของการประมวลผลแบบสอบถามไม่ถูกต้องเสมอเราเพิ่มไปแต่ละรุ่นหลังปิดความสัมพันธ์กันวัด R (Qt, Gt) ซึ่งมาตรการความเกี่ยวข้องของคำทั้งหมดในแบบสอบถามเพื่อทุกคำใน Infographic ผู้สมัคร นอกจากนี้เรายังรวมถึงรูปแบบพื้นฐานที่ถือว่าคำในภาพและคำพูดในแบบสอบถามเป็นสองถุงของคำและมาตรการความสัมพันธ์กันของพวกเขากับอีกคนหนึ่ง

ผลลัพธ์ (ไทย) 3:

เราพิจารณาสามรุ่นที่ผสมตามลำดับการจับ Ltd , โครงสร้าง , ข้อความ , และทั้งโครงสร้างและข้อความความเกี่ยวข้อง เนื่องจากผลของการประมวลผลแบบสอบถามไม่ถูกต้องเสมอไป เราเพิ่มแต่ละโมเดลถอย R วัดความเกี่ยวข้อง ( Qt , GT ) ซึ่งมาตรการความเกี่ยวข้องของคำทั้งหมดในแบบสอบถามให้คำทั้งหมดในผู้สมัคร Infographic . นอกจากนี้ เรายังมีพื้นฐานรุ่นที่ถือว่าคำที่อยู่ในกราฟิกและข้อความในแบบสอบถามเป็นคำและวัดความเกี่ยวข้องของพวกเขาอีกสองถุง