We approach the task of identifying

We approach the task of identifying forums with rich product discussion as an information retrieval problem, ranking forums with respect to a category-brand query. We take a probabilistic language modeling approach to scoring the online forums with respect to the query. In our approach, we aggregate information from the lowest-level in the forum hierarchy, the message text, to the level we're interested in scoring, the forum. We rank forums by their conditional likelihood given the query. The estimation of this probability is shown below, first applying Bayes theorem and marginalizing over the message threads in the collection t.
Letting f be the forum, and q be the user's query:

ผลลัพธ์ (ไทย) 1:

เราเข้างานในการระบุฟอรั่มมีผลิตภัณฑ์มากมายสนทนาเป็นปัญหาในการเรียกข้อมูล จัดอันดับฟอรั่มเกี่ยวกับแบบสอบถามประเภทแบรนด์ เราใช้ภาษาน่าจะโมเดลแนวทางการให้คะแนนฟอรั่มออนไลน์เกี่ยวกับแบบสอบถาม ในวิธีการของเรา เรารวบรวมข้อมูลจากระดับต่ำที่สุดในลำดับชั้นของฟอรั่ม ข้อความ ระดับเราสนใจให้คะแนน ฟอรั่ม เราจัดอันดับฟอรั่ม โดยกลุ่มแบบมีเงื่อนไขได้รับแบบสอบถาม ประมาณนี้น่าเป็นด้านล่าง ก่อนใช้ทฤษฎีบทของ Bayes และ marginalizing ผ่านข้อความกระทู้ใน t คอลเลกชัน ให้ f เป็นฟอรั่ม และ q เป็นแบบสอบถามของผู้ใช้:

ผลลัพธ์ (ไทย) 2:

เราเข้าใกล้งานของฟอรั่มการระบุด้วยการอภิปรายผลิตภัณฑ์ที่อุดมไปด้วยในฐานะที่เป็นปัญหาการดึงข้อมูลการจัดอันดับฟอรั่มเกี่ยวกับการใช้แบบสอบถามหมวดหมู่แบรนด์ เราจะใช้วิธีการสร้างแบบจำลองภาษาน่าจะเป็นคะแนนอรั่มออนไลน์ที่เกี่ยวกับแบบสอบถาม ในแนวทางของเราที่เรารวบรวมข้อมูลจากระดับต่ำสุดในลำดับชั้นของฟอรั่ม, ข้อความ, ให้อยู่ในระดับที่เราสนใจในการให้คะแนน, ฟอรั่ม เราจัดอันดับความน่าจะเป็นฟอรั่มโดยมีเงื่อนไขของพวกเขาได้รับการสอบถาม การประมาณความน่าจะเป็นนี้จะแสดงด้านล่างแรกใช้ Bayes ทฤษฎีบทและ marginalizing มากกว่าหัวข้อข้อความในคอลเลกชัน t.
ปล่อยให้ F เป็นฟอรั่มและ Q จะค้นหาของผู้ใช้:

ผลลัพธ์ (ไทย) 3:

เรามีวิธีการทำงานของการอภิปรายฟอรั่มด้วยผลิตภัณฑ์ที่อุดมไปด้วยเป็นการสืบค้นปัญหา กระดานข่าว การจัดอันดับตามประเภท แบรนด์ สอบถาม เราใช้ความน่าจะเป็นแบบจำลองเพื่อให้คะแนนภาษาฟอรั่มออนไลน์และการ ในแนวทางของเรา เรารวมข้อมูลจากระดับล่างสุดในเวที โครงสร้าง , ข้อความ , ระดับที่เราสนใจในการให้คะแนน , ฟอรั่ม เราจัดอันดับกระดานข่าวโดยความน่าจะเป็นเงื่อนไขของพวกเขาได้รับการ การประมาณความน่าจะเป็นนี้แสดงด้านล่างก่อนใช้ทฤษฎีบท marginalizing ผ่านข้อความและหัวข้อในคอลเลกชัน ต.ให้ f เป็นฟอรั่มและ Q เป็นแบบสอบถามของผู้ใช้ :