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 ตั้งแต่ผลลัพธ์ของการประมวลผลแบบสอบถามไม่ถูกต้องเสมอ เราเพิ่มแต่ละรูปแบบการหลังปิดเกี่ยววัด R (Qt Gt) ซึ่งมาตรการที่เกี่ยวข้องทั้งหมดคำในแบบสอบถามที่คำทั้งหมดในข้อมูลผู้สมัคร นอกจากนี้เรามีแบบจำลองหลักที่ถือว่าคำในภาพและคำในแบบสอบถามเป็นกระเป๋าสองคำและความเกี่ยวข้องของคนอื่น

ผลลัพธ์ (ไทย) 2:

เราพิจารณาสามรุ่นซึ่งส่วนผสมตามลำดับความสัมพันธ์กันจับโครงสร้างความสัมพันธ์กันข้อความและทั้งโครงสร้างและข้อความความสัมพันธ์กัน เนื่องจาก
ผลของการประมวลผลแบบสอบถามไม่ถูกต้องเสมอเราเพิ่มให้กับแต่ละรูปแบบ
กลับปิด? ความสัมพันธ์กันวัด R (Qt; Gt) ซึ่งมาตรการความสัมพันธ์กันของทุก
คำในแบบสอบถามไปยังทุกคำใน Infographic ผู้สมัคร นอกจากนี้
เรารวมรูปแบบพื้นฐานที่ถือว่าคำในภาพและคำพูด
ในการสอบถามเป็นสองถุงของคำและมาตรการความสัมพันธ์กันของพวกเขากับอีกคนหนึ่ง

ผลลัพธ์ (ไทย) 3:

เราพิจารณาสามรุ่นที่ผสมตามลำดับการจับ Ltd , โครงสร้าง , ข้อความ , และทั้งโครงสร้างและข้อความความเกี่ยวข้อง ตั้งแต่ผลของการประมวลผลแบบสอบถามไม่ถูกต้องเสมอไป เราเพิ่มแต่ละรุ่นเป็นถอย R วัดความเกี่ยวข้อง ( QT ; GT ) ซึ่งมาตรการที่สำคัญทั้งหมดคำที่ค้นหาคำทั้งหมดในผู้สมัคร Infographic . นอกจากนี้เรารวมพื้นฐานรุ่นที่ถือว่าเป็นคำที่อยู่ในกราฟิกและคำพูดในแบบสอบถามเป็นคำและวัดความเกี่ยวข้องของพวกเขาอีกสองถุง