The Filtering component is responsi

The Filtering component is responsible for blocking the non-relevant
documents from reaching the focused DL. It uses various levels of filtering that
all remaining documents have to pass to be considered relevant. A first level,
for example, can use 'regular expressions' to match query keywords with the
URL string tokens. A second level can use statistical techniques on the
document itself, based on keyword counts and frequencies. A third level might
use a Categorizer to classify the document and check if it belongs to the
gathered DL categories. More levels or any geared combination of levels can
ensure a cleaner DL devoid of 'noises'. All relevant documents are passed now
to the Summarizer. It extracts a summary of the document, and passes a stream
of summaries to the Broker. The Broker indexes the summaries and organizes
the DL. The IS builds for the DL a relevant topics-tree, possibly using advanced
IR tools for categorization and clustering. The Retriever provides the DL user
with a user-friendly interface.
5 of 8 6

ผลลัพธ์ (ไทย) 1:

คอมโพเนนต์การกรองรับผิดชอบสำหรับบล็อกไม่ใช่ที่เกี่ยวข้องเอกสารจาก DL เน้นถึง ระดับต่าง ๆ ของการกรองที่ใช้เอกสารที่เหลือทั้งหมดได้ผ่านการพิจารณาที่เกี่ยวข้อง ในระดับแรกเช่น สามารถใช้ 'ปกติ ' ให้ตรงกับคำสำคัญแบบสอบถามด้วยการโทเค็นของสตริงที่ URL ระดับสองสามารถใช้เทคนิคทางสถิติในการเอกสารตัวเอง ตามจำนวนคำและความถี่ ระดับสามอาจใช้เป็นตัวแบ่งประเภทจะแบ่งประเภทเอกสาร และตรวจสอบว่า มันอยู่รวบรวมประเภทการ DL ระดับอื่น ๆ หรือชุดเกียร์ของระดับที่สามารถให้ DL สะอาดไร้ 'เสียง' มีส่งเอกสารที่เกี่ยวข้องทั้งหมดตอนนี้การ Summarizer แยกสรุปของเอกสาร และผ่านการสตรีมสรุปการโบรกเกอร์ นายหน้าดัชนีสรุปย่อ และจัดDL จะสร้างสำหรับ DL หัวข้อที่เกี่ยวข้องต้นไม้ อาจใช้ขั้นสูงเครื่องมือ IR สำหรับประเภทและคลัสเตอร์ สุนัขจำพวกที่ให้ผู้ใช้ DLมีอินเทอร์เฟซใช้งานง่าย5 6 8

ผลลัพธ์ (ไทย) 2:

องค์ประกอบการกรองเป็นผู้รับผิดชอบในการปิดกั้นไม่เกี่ยวข้อง
เอกสารจากถึง DL เน้น มันใช้ระดับต่างๆของการกรองที่
เอกสารส่วนที่เหลือทั้งหมดจะต้องผ่านที่จะได้รับการพิจารณาที่เกี่ยวข้อง ระดับแรก
ตัวอย่างเช่นสามารถใช้ 'การแสดงออกปกติ' เพื่อให้ตรงกับคำหลักแบบสอบถามกับ
ราชสกุลสตริง URL ระดับที่สองสามารถใช้เทคนิคทางสถิติใน
เอกสารตัวเองขึ้นอยู่กับการนับจำนวนคำหลักและความถี่ ระดับที่สามอาจ
ใช้ Categorizer เพื่อจำแนกเอกสารและตรวจสอบว่าเป็นของ
ประเภท DL รวบรวม ระดับอื่น ๆ หรือการรวมกันของระดับมุ่งสามารถ
ให้แน่ใจว่าการทำความสะอาด DL ไร้ 'เสียง' เอกสารที่เกี่ยวข้องทั้งหมดจะผ่านพ้นไปแล้ว
กับ Summarizer เป็นสารสกัดจากบทสรุปของเอกสารและส่งผ่านกระแส
สรุปไปยังโบรกเกอร์ ดัชนีนายหน้าสรุปและจัด
ลิงค์ คือสร้างสำหรับ DL เกี่ยวข้องหัวข้อต้นไม้อาจจะใช้ขั้นสูง
เครื่องมือ IR สำหรับการจัดหมวดหมู่และการจัดกลุ่ม Retriever ให้ผู้ใช้ลิงค์
ด้วยอินเตอร์เฟซที่ใช้งานง่าย.
5 จาก 8 6