Information graphics (non-pictorial

Information graphics (non-pictorial graphics such as bar
charts and line graphs) contain a great deal of knowledge. Information retrieval research has focused on retrieving textual documents and on extracting images
based on words appearing in the accompanying article
or based on low-level features such as color or texture.
Our goal is to build a system for retrieving information
graphics that reasons about the content of the graphic
itself in deciding its relevance to the user query. As a
first step, we aim to identify, from a full sentence user
query, what should be depicted on the independent and
dependent axes of potentially relevant graphs. Natural
language processing techniques are used to extract features from the query and machine learning is employed
to build a model for hypothesizing the content of the
axes. Results have shown that our models can achieve
accuracy higher than 80% on a corpus of collected user
queries.

ผลลัพธ์ (ไทย) 1:

ข้อมูลกราฟิก (ไม่ใช่ภาพกราฟิกเช่นบาร์แผนภูมิและกราฟเส้น) ประกอบด้วยมากมายความรู้ เรียกข้อมูลวิจัยได้เน้น บนดึงเอกสารเป็นข้อความ และการสกัดภาพอิงจากคำที่ปรากฏในบทความประกอบหรือตามคุณลักษณะระดับต่ำเช่นสีหรือพื้นผิวเป้าหมายของเราคือการ สร้างระบบสำหรับการดึงข้อมูลกราฟิกที่เหตุผลเกี่ยวกับเนื้อหาของกราฟิกตัวเองในการตัดสินใจที่เกี่ยวข้องกับการสอบถามผู้ใช้ เป็นการขั้นแรก เราจะระบุ จากผู้ใช้เต็มประโยคสอบถาม สิ่งควรปรากฎในบนความอิสระ และแกนขึ้นของกราฟอาจเกี่ยวข้อง ธรรมชาติใช้เทคนิคการประมวลผลภาษาในการแยกคุณลักษณะจากการสอบถาม และเรียนรู้ของเครื่องเป็นลูกจ้างการสร้างแบบจำลองสำหรับ hypothesizing เนื้อหาของการแกน ผลลัพธ์ที่ได้แสดงให้เห็นว่า รุ่นของเราสามารถบรรลุความแม่นยำสูงกว่า 80% ใน corpus ของผู้รวบรวมสอบถาม

ผลลัพธ์ (ไทย) 2:

ข้อมูลกราฟิก (กราฟิกที่ไม่ใช่ภาพอย่างเช่นบาร์
แผนภูมิและกราฟเส้น) มีการจัดการที่ดีของความรู้ การวิจัยการดึงข้อมูลได้มุ่งเน้นในการเรียกเอกสารต้นฉบับเดิมและแยกภาพ
ขึ้นอยู่กับคำพูดที่ปรากฏในบทความประกอบ
หรือขึ้นอยู่กับคุณลักษณะระดับต่ำเช่นสีหรือพื้นผิว.
เป้าหมายของเราคือการสร้างระบบสำหรับการดึงข้อมูล
กราฟิกที่เหตุผลเกี่ยวกับเนื้อหา ของกราฟิก
ตัวเองในการตัดสินใจความเกี่ยวข้องกับการสอบถามผู้ใช้ ในฐานะที่เป็น
ขั้นตอนแรกเรามีจุดมุ่งหมายที่จะระบุจากผู้ใช้ประโยคเต็ม
แบบสอบถามสิ่งที่ควรจะเป็นภาพในที่เป็นอิสระและ
แกนขึ้นอยู่กับกราฟที่เกี่ยวข้องที่อาจเกิดขึ้น ธรรมชาติ
เทคนิคการประมวลผลภาษาที่ใช้ในการดึงคุณสมบัติจากแบบสอบถามและการเรียนรู้เครื่องที่เป็นลูกจ้าง
ในการสร้างแบบจำลองสำหรับสมมติฐานเนื้อหาของ
แกน ผลที่ได้แสดงให้เห็นว่ารูปแบบของเราสามารถบรรลุ
ความถูกต้องสูงกว่า 80% ในคลังข้อมูลของผู้ใช้เก็บ
คำสั่ง

ผลลัพธ์ (ไทย) 3:

ข้อมูลกราฟิก ( ไม่ใช่ภาพกราฟิก เช่น บาร์แผนภูมิและกราฟ ) มีการจัดการที่ดีของความรู้ สืบค้นข้อมูลงานวิจัยได้เน้นสืบค้นเอกสารต้นฉบับเดิม และแยกภาพตามคำที่ปรากฏในบทความประกอบหรือตามคุณลักษณะระดับล่าง เช่น สี หรือ พื้นผิวเป้าหมายของเราคือการสร้างระบบสืบค้นข้อมูลด้วยกราฟิกที่เกี่ยวกับเนื้อหาของกราฟิกตัวเองในการตัดสินใจที่มีความเกี่ยวข้องกับการค้นหาของผู้ใช้ เป็นขั้นตอนแรก เราจุดมุ่งหมายเพื่อ ระบุ จากผู้ใช้ประโยคเต็มแบบสอบถาม สิ่งที่ควรเป็นภาพที่อิสระ และตามแกนของกราฟที่อาจเกี่ยวข้อง ธรรมชาติเทคนิคการประมวลผลภาษาใช้ในการสกัดคุณลักษณะจากแบบสอบถามและการเรียนรู้เครื่องใช้เพื่อสร้างรูปแบบเนื้อหาของสมมติฐานแกน ผลลัพธ์ที่ได้แสดงให้เห็นว่ารูปแบบของเราสามารถบรรลุความถูกต้องสูงกว่า 80% ของจำนวนผู้ใช้ในคลังข้อมูลสอบถาม