Given some assumptions, such as tha

Given some assumptions, such as that the relevance of a document to a query
is independent of other documents, it is possible to show that this statement is
true, in the sense that ranking by probability of relevance will maximize precision,
which is the proportion of relevant documents, at any given rank (for example,
in the top 10 documents). Unfortunately, the Probability Ranking Principle
doesn’t tell us how to calculate or estimate the probability of relevance. There are
many probabilistic retrieval models, and each one proposes a different method for
estimating this probability. Most of the rest of this chapter discusses some of the
most important probabilistic models.
In this section, we start with a simple probabilistic model based on treating
information retrieval as a classification problem. We then describe a popular and
effective ranking algorithm that is based on this model.

ผลลัพธ์ (ไทย) 1:

กำหนดสมมติฐานบางอย่าง เช่นความเกี่ยวข้องของเอกสารแบบสอบถามเป็นอิสระจากเอกสารอื่น ๆ เป็นไปได้เพื่อแสดงว่า คำสั่งนี้จริง ในความรู้สึกที่จัดอันดับตามความน่าเป็นความเกี่ยวข้องจะเพิ่มความแม่นยำซึ่งมีสัดส่วนของเอกสารที่เกี่ยวข้อง ที่ระดับใด ๆ กำหนด (ตัวอย่างเช่น,ในเอกสารด้านบน 10) อับ ความน่าเป็นหลักการในการจัดอันดับไม่บอกวิธีการคำนวณ หรือประเมินความเกี่ยวข้องกัน มีหลายรุ่นน่าจะเรียก และแต่ละคนเสนอวิธีการต่าง ๆ สำหรับประมาณนี้น่าเป็น ส่วนที่เหลือของบทนี้กล่าวถึงบางตัวรุ่นที่น่าจะสำคัญที่สุดในส่วนนี้ เราเริ่มต้น ด้วยรูปแบบง่าย ๆ น่าจะอิงการรักษาการเรียกข้อมูลเป็นการจัดประเภทปัญหา เราแล้วอธิบายความนิยม และอัลกอริทึมจัดอันดับประสิทธิภาพที่อิงรูปแบบนี้

ผลลัพธ์ (ไทย) 2:

ได้รับสมมติฐานบางอย่างเช่นว่าความสัมพันธ์กันของเอกสารแบบสอบถามที่
เป็นอิสระจากเอกสารอื่น ๆ ก็เป็นไปได้ที่จะแสดงให้เห็นว่าคำสั่งนี้เป็น
จริงในแง่ที่ว่าการจัดอันดับโดยน่าจะเป็นของความสัมพันธ์กันจะเพิ่มความแม่นยำ
ซึ่งเป็นสัดส่วนของ เอกสารที่เกี่ยวข้องที่ได้รับตำแหน่งใด ๆ (ตัวอย่างเช่น
ในด้านบน 10 เอกสาร) แต่น่าเสียดายที่ความน่าจะเป็นการจัดอันดับของหลักการ
ไม่ได้บอกเราวิธีการคำนวณหรือคาดการณ์น่าจะเป็นของความเกี่ยวข้อง มี
หลายรุ่นที่ดึงความน่าจะเป็นของแต่ละคนนำเสนอวิธีที่แตกต่างกันสำหรับการและ
การประเมินความน่าจะเป็นนี้ ส่วนที่เหลือของบทนี้กล่าวถึงบางส่วนของ
รูปแบบความน่าจะเป็นที่สำคัญที่สุด.
ในส่วนนี้เราเริ่มต้นด้วยรูปแบบที่น่าจะง่ายขึ้นอยู่กับการรักษา
การดึงข้อมูลเป็นปัญหาการจัดหมวดหมู่ จากนั้นเราจะอธิบายที่นิยมและ
วิธีการจัดอันดับที่มีประสิทธิภาพที่จะขึ้นอยู่กับรูปแบบนี้

ผลลัพธ์ (ไทย) 3:

ให้สมมติฐานบางอย่าง เช่นว่า ความเกี่ยวข้องของเอกสารแบบสอบถามเป็นอิสระของเอกสารอื่น ๆ มันเป็นไปได้ที่จะ แสดง ว่า แถลงการณ์นี้จริง ในความรู้สึกที่จัดอันดับโดยความน่าจะเป็นที่เกี่ยวข้องจะเพิ่มแน่นอนซึ่งในส่วนของเอกสารที่เกี่ยวข้องใด ๆ ตำแหน่ง เช่นในด้านบน 10 เอกสาร ) แต่น่าเสียดายที่การจัดอันดับหลักการความน่าจะเป็นไม่ได้บอกวิธีการคำนวณหรือประเมินความน่าจะเป็นของความเกี่ยวข้อง มีรูปแบบการสืบค้นการมากมาย และแต่ละคนได้นำเสนอวิธีการที่แตกต่างกันสำหรับการประมาณความน่าจะเป็นนี้ มากที่สุดของส่วนที่เหลือของบทนี้กล่าวถึงบางส่วนของแบบจำลองความน่าจะเป็นของสำคัญในส่วนนี้เราเริ่มต้นด้วยการ ใช้รูปแบบการรักษาได้ง่ายการสืบค้นสารสนเทศเป็นปัญหาการจำแนก เราก็อธิบายถึงเป็นที่นิยมการจัดอันดับมีประสิทธิภาพขั้นตอนวิธีที่ใช้ในรุ่นนี้