کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6856846 1437971 2018 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
An iterative method for personalized results adaptation in cross-language search
ترجمه فارسی عنوان
یک روش تکراری برای انطباق نتایج شخصی در جستجوی زبان متقابل
کلمات کلیدی
شخصی بازیابی اطلاعات متقابل زبان، سازگاری نتایج، مدل کاربر روش تدریجی،
ترجمه چکیده
در وب امروز، مردم اغلب تمایل دارند نه تنها نتایجی را که مربوط به پرس و جو آنها هستند، بازیابی کنند، بلکه برای آن نتایج به خصوص مربوط به آنها به عنوان یک فرد است. در بیشتر سیستم های جستجو شخصی، امتیازات به دست آمده از رتبه بندی های مختلف به طور خطی ترکیب شده برای ارائه فهرست شخصی رتبه بندی شده است. علاوه بر این، در مقایسه با تحقیقات شخصی سازی در جستجوی وب یکپارچه، مطالعات نسبتا کمی به دامنه متقابل زبان گسترش می یابد. در این مقاله، مسئله انطباق نتایج شخصی را در زمینه جستجوی وب متقابل زبان مورد بررسی قرار می دهیم. سهم اصلی این تحقیق، روش جدید رتبه بندی تکراری بر مبنای انجمن های اسنادی است که از یک رتبه بندی اولیه دریافت شده است. این روش فرض می کند که نتایج به دست آمده توسط طبقه بندی های غیر شخصی شده و رتبه بندی های شخصی شده، به جای اینکه در ترکیب خطی مورد استفاده قرار گیرند، یکدیگر را تقویت می کنند. این روش در یک سناریوی جستجوی متقابل زبان شخصی بر روی یک مجموعه تست نیمه اتوماتیک ساخته شده و یک مجموعه داده دنیای واقعی استفاده می شود. نتایج تجربی نشان می دهد که روش سازگاری پیشنهاد شده توسط شخصی می تواند نتایج بهتر را نسبت به رویکردهای قبلی برای جستجو در میان زبان های مختلف ارائه دهد. نتایج همچنین نشان می دهد که مجموعه ای از آزمون نیمه اتوماتیک ساخته شده می تواند بعنوان یک مجموعه داده های جایگزین برای ارزیابی در صورت عدم وجود داده های موجود در دنیای موجود استفاده شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یک روش تکراری برای انطباق نتایج شخصی در جستجوی زبان متقابل
چکیده انگلیسی
On today's Web, people often desire to not only retrieve results which are of relevance to their query, but for those results to be of particular relevance to them as an individual. In most personalized search systems, the scores obtained from different rankers are linearly combined to provide the personalized ranked list. Moreover, when compared to the personalization research in monolingual web search, relatively few studies extend to the cross-language domain. In this paper we investigate the personalized results adaptation problem in the context of cross-language web search. The main contribution of this research is a novel iterative ranking method based on document associations obtained from an initial ranker. The method assumes that results retrieved by non-personalized rankers and personalized rankers mutually reinforce each other, rather than being used in linear combination. The method is applied in a personalized cross-language search scenario on a semi-automatically constructed test collection and a real-world dataset. The experimental results suggest that the proposed personalized result adaptation method can produce better results than previous approaches for cross-language web search. The results also prove that the semi-automatically constructed test collection can be used as an alternative dataset for evaluation in the absence of available real-world datasets.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volumes 430–431, March 2018, Pages 200-215
نویسندگان
, , , , ,