Abstract— A natural language inform

Abstract— A natural language information retrieval system
ranks related documents according to criteria based on user
query keywords and document similarities. However, many
efforts have been made to make more useful query keywords
because users do not use many keywords in their natural
language search query when retrieving information on the
Web. Because a keyword does not provide much information,
however, relevance feedback is generally used to complement
the weakness of general retrieval methods. This paper
proposes a term cluster query expansion model based on
classification information of retrieved documents. This model
generates classification information from the upper ranked n
documents retrieved by retrieval system. On the basis of the
extracted classification information, the term cluster (m) that
represents each group is generated, and then the model allows
user to select term cluster that corresponds to user information
needs. The query keywords are expanded by using a relevance
feedback algorithm based on the selected classification
information. As a result of the experiments with test collection,
the retrieval effectiveness was improved by 13.2% compared to
the initial query when the Rocchio method was used.

ผลลัพธ์ (ไทย) 1:

นามธรรม — ภาษาธรรมชาติการเรียกข้อมูลระบบเอกสารที่เกี่ยวข้องจัดอันดับตามเกณฑ์คะแนนจากผู้ใช้คำถามและความคล้ายคลึงกันของเอกสาร อย่างไรก็ตาม หลายได้ทำความพยายามให้คำสำคัญแบบสอบถามที่มีประโยชน์เพราะผู้ใช้สามารถใช้คำสำคัญมากมายในธรรมชาติของพวกเขาภาษาค้นหาเมื่อดึงข้อมูลในการเว็บ เนื่องจากคำสำคัญได้ให้ข้อมูลมากมายอย่างไรก็ตาม คำติชมความเกี่ยวข้องโดยทั่วไปเติมเต็มจุดอ่อนของวิธีเรียกทั่วไป กระดาษนี้เสนอแบบขยายระยะสอบถามคลัสเตอร์อิงข้อมูลการจัดประเภทของเอกสารที่สืบค้น รุ่นนี้สร้างข้อมูลการจัดประเภทจาก n อันดับบนเอกสารที่เรียก โดยระบบ บนพื้นฐานของการแยกประเภทข้อมูล คลัสเตอร์ระยะ (ม.) ที่แสดงถึงแต่ละกลุ่มจะถูกสร้างขึ้น และจากนั้นแบบจำลองช่วยให้ผู้ใช้สามารถเลือกระยะคลัสเตอร์ที่สอดคล้องกับข้อมูลของผู้ใช้ความต้องการ คำถามจะขยาย โดยการใช้ที่เกี่ยวข้องอัลกอริทึมคำติชมที่อิงการจัดประเภทที่เลือกข้อมูล ผลการทดสอบกับชุดทดสอบปรับปรุงประสิทธิภาพเรียก 13.2% เมื่อเทียบกับถามเริ่มต้นเมื่อใช้วิธี Rocchio

ผลลัพธ์ (ไทย) 2:

Abstract- ระบบภาษาธรรมชาติดึงข้อมูล
อันดับเอกสารที่เกี่ยวข้องตามเกณฑ์ที่อยู่บนพื้นฐานของการใช้
คำหลักแบบสอบถามและความคล้ายคลึงกันเอกสาร แต่อย่างไรก็ตามหลายคน
มีความพยายามที่จะทำให้คำหลักแบบสอบถามมีประโยชน์มากขึ้น
เนื่องจากผู้ใช้ไม่ใช้คำหลักจำนวนมากในธรรมชาติของพวกเขา
การค้นหาภาษาเมื่อดึงข้อมูลบน
เว็บ เพราะคำหลักที่ไม่ได้ให้ข้อมูลมาก
อย่างไรก็ตามข้อเสนอแนะความสัมพันธ์กันโดยทั่วไปจะใช้เพื่อเสริม
จุดอ่อนของวิธีการใช้ข้อมูลทั่วไป บทความนี้
นำเสนอรูปแบบคลัสเตอร์ระยะการขยายการค้นหาบนพื้นฐานของ
ข้อมูลการจำแนกประเภทของเอกสารที่ดึง รุ่นนี้
สร้างข้อมูลจำแนกจากการจัดอันดับบน n
เอกสารเรียกโดยระบบการดึง บนพื้นฐานของ
ข้อมูลการจำแนกแยกกลุ่มคำ (M) ที่
แสดงให้เห็นถึงแต่ละกลุ่มจะถูกสร้างขึ้นและจากนั้นรูปแบบช่วยให้
ผู้ใช้สามารถเลือกระยะคลัสเตอร์ที่สอดคล้องกับการใช้ข้อมูล
ความต้องการ คำหลักแบบสอบถามจะถูกขยายโดยใช้ความสัมพันธ์กัน
ขั้นตอนวิธีการตามข้อเสนอแนะเกี่ยวกับการจำแนกเลือก
ข้อมูล อันเป็นผลมาจากการทดลองด้วยการเก็บการทดสอบ
ประสิทธิภาพการดึงขึ้น 13.2% เมื่อเทียบกับ
การสอบถามเบื้องต้นเมื่อวิธี Rocchio ถูกนำมาใช้