This dissertation examines the prob

This dissertation examines the problem of discovering similar objects in two
different settings: (1) discovering similar objects based on the interaction among
them, and (2) discovering similar objects based on their meta-data. We will mainly
focus on the first setting. The interactions among objects are modeled by a network
structure, in which each node represents one object, and an edge is presented if
the two objects have interacted with each other. In the second setting, we examine
the similarity problem where additional information other than interacting history
is available. In the second setting, we targeted digital library objects, such as
papers, authors, published venues (i.e., the published conference or journal), etc.
The meta-data of these objects could be, for example, the citation counts of the
paper, the affiliation of the author, and the topics of the conference. These metadata
are utilized to infer the similar objects, such as similar terms, similar venues,
or relevant authors given a topic.

ผลลัพธ์ (ไทย) 1:

วิทยานิพนธ์นี้ตรวจสอบปัญหาของการค้นพบวัตถุคล้ายสองการตั้งค่าต่าง ๆ: (1) การค้นพบวัตถุที่คล้ายกันจากการโต้ตอบระหว่างพวกเขา และ (2) ค้นพบวัตถุคล้ายกันตามข้อมูลเมตาของพวกเขา ส่วนใหญ่จะเน้นที่การตั้งค่าครั้งแรก มีจำลองการโต้ตอบระหว่างวัตถุ โดยเครือข่ายโครงสร้าง ซึ่งแต่ละโหนดแสดงวัตถุหนึ่ง และขอบจะแสดงถ้าวัตถุสองมีติดต่อกัน ในการตั้งค่าที่สอง เราตรวจสอบปัญหาคล้ายที่เพิ่มเติมนอกเหนือจากประวัติ interactingสามารถใช้ได้ ในการตั้งค่าที่สอง เราเป้าหมายดิจิตอลไลบรารีวัตถุ เช่นเอกสาร ผู้เขียน สถานที่เผยแพร่ (เช่น ประชุมเผยแพร่หรือสมุดรายวัน) ฯลฯข้อมูลเมตาของวัตถุเหล่านี้อาจจะเป็น เช่น จำนวนการอ้างอิงของการกระดาษ สังกัดของผู้เขียน หัวข้อและการประชุม ข้อมูลเมตานี้ใช้เพื่อสรุปวัตถุคล้าย เช่นเงื่อนไขคล้าย คล้ายสถานหรือผู้ที่เกี่ยวข้องกำหนดหัวข้อ

ผลลัพธ์ (ไทย) 2:

วิทยานิพนธ์นี้จะตรวจสอบปัญหาของการค้นพบวัตถุที่คล้ายกันในสอง
การตั้งค่าที่แตกต่างกัน (1) การค้นพบวัตถุที่คล้ายกันอยู่บนพื้นฐานของการมีปฏิสัมพันธ์ในหมู่
พวกเขาและ (2) การค้นพบวัตถุที่คล้ายกันอยู่บนพื้นฐานของข้อมูลเมตาของพวกเขา เราส่วนใหญ่จะ
มุ่งเน้นไปที่การตั้งค่าครั้งแรก ปฏิสัมพันธ์ระหว่างวัตถุจำลองโดยเครือข่าย
โครงสร้างซึ่งในแต่ละโหนดเป็นหนึ่งในวัตถุและขอบจะนำเสนอถ้า
วัตถุทั้งสองมีความสัมพันธ์กับคนอื่น ๆ ในการตั้งค่าที่สองเราตรวจสอบ
ปัญหาที่คล้ายคลึงกันที่ข้อมูลเพิ่มเติมนอกเหนือจากประวัติศาสตร์การโต้ตอบ
ใช้ได้ ในการตั้งค่าสองเรากำหนดเป้าหมายวัตถุห้องสมุดดิจิตอลเช่น
เอกสารผู้เขียนที่ตีพิมพ์สถานที่จัดงาน (เช่นการประชุมการตีพิมพ์หรือวารสาร) ฯลฯ
ข้อมูลเมตาของวัตถุเหล่านี้อาจจะยกตัวอย่างเช่นจำนวนการอ้างอิงของ
กระดาษ , ความร่วมมือของผู้เขียนและหัวข้อของการประชุม เมตาดาต้าเหล่านี้
ถูกนำมาใช้เพื่อสรุปวัตถุที่คล้ายกันเช่นคำที่คล้ายกันสถานที่คล้ายกัน
หรือผู้เขียนที่เกี่ยวข้องกำหนดหัวข้อ