To summarize, query likelihood is a

To summarize, query likelihood is a simple probabilistic retrieval model that directly incorporates term frequency. The problem of coming up with effective term weights is replaced by probability estimation, which is better understood
and has a formal basis. The basic query likelihood score with Dirichlet smoothing has similar effectiveness to BM25, although it does do better on most TREC collections. If more sophisticated smoothing based on topic models is used (described further in section 7.6), query likelihood consistently outperforms BM25. This means that instead of smoothing using the collection probabilities for words, we instead use word probabilities from similar documents.
The simplicity of the language model framework, combined with the ability to describe a variety of retrieval applications and the effectiveness of the associated ranking algorithms, make this approach a good choice for a retrieval model based
on topical relevance.

ผลลัพธ์ (ไทย) 1:

เพื่อสรุป โอกาสสอบถามเป็นแบบง่าย ๆ น่าจะเรียกที่ตรงครอบคลุมความถี่ระยะเวลา ปัญหามากับคำว่ามีน้ำหนักถูกแทนที่ โดยการประเมินความน่าเป็น ซึ่งเป็นที่เข้าใจดีกว่าและมีพื้นฐานทางการ คะแนนโอกาสสอบถามพื้นฐานกับ Dirichlet เรียบมีประสิทธิภาพคล้ายการ BM25 แม้ว่ามันทำได้ดีในคอลเลกชัน TREC ส่วนใหญ่ ถ้าใช้ซับซ้อนเรียบตามรูปหัวข้อ (อธิบายเพิ่มเติมในส่วน 7.6), แบบสอบถามความเป็นไปได้อย่างมีประสิทธิภาพสูงกว่า BM25 ซึ่งหมายความ ว่า แทนที่จะปรับใช้น่าจะรวบรวมคำที่ เราใช้แทนน่าจะ word จากเอกสารที่คล้ายกันความเรียบง่ายของ framework รุ่นภาษา รวมกับความสามารถในการอธิบายความหลากหลายของการเรียกใช้งานและประสิทธิภาพของขั้นตอนวิธีการจัดอันดับที่เกี่ยวข้อง ให้คะแนนทางเลือกดีสำหรับรูปแบบการเรียกวิธีการนี้ความเกี่ยวข้องเฉพาะ

ผลลัพธ์ (ไทย) 2:

เพื่อสรุปความน่าจะเป็นแบบสอบถามเป็นรูปแบบที่เรียบง่ายดึงความน่าจะเป็นที่โดยตรงประกอบด้วยความถี่ระยะ ปัญหาของการขึ้นมาพร้อมกับน้ำหนักที่มีประสิทธิภาพในระยะจะถูกแทนที่ด้วยการประมาณค่าความน่าจะเป็นซึ่งเป็นที่เข้าใจกันดีกว่า
และมีพื้นฐานอย่างเป็นทางการ คะแนนแบบสอบถามความน่าจะเป็นพื้นฐานที่มี Dirichlet เรียบมีประสิทธิภาพคล้ายกับ BM25 แม้ว่ามันจะทำได้ดีกว่าในคอลเลกชัน TREC มากที่สุด ถ้าเรียบซับซ้อนมากขึ้นตามรูปแบบจะใช้หัวข้อ (อธิบายต่อไปในข้อ 7.6) ความน่าจะเป็นแบบสอบถามอย่างต่อเนื่องมีประสิทธิภาพดีกว่า BM25 ซึ่งหมายความว่าแทนที่จะให้เรียบโดยใช้ความน่าจะเป็นคอลเลกชันสำหรับคำที่เราใช้แทนความน่าจะเป็นคำแปลจากเอกสารที่คล้ายกัน.
ความเรียบง่ายของกรอบรูปแบบภาษาที่รวมกับความสามารถในการอธิบายความหลากหลายของการใช้งานและการดึงประสิทธิภาพของขั้นตอนวิธีการจัดอันดับที่เชื่อมโยง วิธีการนี้ทำให้ทางเลือกที่ดีสำหรับรูปแบบการดึงตาม
ความเกี่ยวข้องเฉพาะ

ผลลัพธ์ (ไทย) 3:

สรุป โอกาสการเป็นง่ายการค้นแบบที่ประกอบด้วยความถี่โดยตรงในระยะ ปัญหาของมากับน้ำหนักระยะยาวที่มีประสิทธิภาพจะถูกแทนที่ด้วยการประมาณความน่าจะเป็น ซึ่งดีกว่าเข้าใจและมีพื้นฐานทางการ พื้นฐานการโอกาสคะแนนกับเรียบมีประสิทธิผลดีริชเลต์คล้ายกับ bm25 แม้ว่าจะทำให้ดีขึ้นในคอลเลกชัน trec ที่สุด ถ้าซับซ้อนมากขึ้น ( ขึ้นอยู่กับรุ่นที่เป็นหัวข้อที่ใช้อธิบายเพิ่มเติมในส่วน 7.6 ) โอกาสสอบถามอย่างต่อเนื่องมีประสิทธิภาพดีกว่า bm25 . นี้หมายความว่า แทนที่จะเรียบใช้คอลเลกชันความน่าจะเป็นสำหรับคำที่เราใช้คำแทนความน่าจะเป็นจากเอกสารที่คล้ายกันความเรียบง่ายของรูปแบบภาษา กรอบ รวมกับความสามารถในการอธิบายการใช้งานที่หลากหลายและการดึงประสิทธิภาพของอัลกอริทึมการจัดอันดับเกี่ยวข้อง ทำให้วิธีนี้เป็นทางเลือกที่ดีสำหรับการใช้รูปแบบในความเกี่ยวข้อง .