|
Title
|
توسعه پرسش براساس بازخورد كاربر درمورد اسناد آموزنده
|
|
Type
|
Presentation
|
|
Keywords
|
بازيابي اطلاعات متني، توسعه پرسش، بازخورد مرتبط، يادگيري فعال، دسته بندي متن، بازخورد ضمني، يادگيري شبه نظارتي
|
|
Abstract
|
رشد انفجاري منابع اطلاعاتي و گسترش اينترنت باعث جلب كاربران متعدد به اين منابع شده است. كاربران نياز اطلاعاتي خود را در قالب تعدادي كلمه كليدي بيان مي كنند. منابع اطلاعاتي براساس ميزان شباهت با اين پرسش بازيابي مي گردند. حال اگر پرسش كاربر با كلمات مناسب بيان نشود، نتايج بازيابي راضي كننده نخواهد بود. از اينرو تكنيك هاي توسعه پرسش براساس بازخورد كاربر، براي بهبود نتيجه بازيابي استفاده مي شوند.
در اين مقاله رويكردي جديد مبتني بر يادگيري فعال براي توسعه پرسش براساس بازخورد كاربر ارائه گرديده است. در اين رويكرد، مدل انتخاب اسناد جهت گرفتن بازخورد كاربر نسبت به روش هاي مرسوم بازخورد مرتبط تغيير يافته است. بدين صورت كه تعدادي از اسناد با بيشترين ميزان آموزندگي براي گرفتن بازخورد صريح از كاربر انتخاب مي گردند. همچنين اسنادي كه با كيفيت بالا دسته بندي گرديده اند به عنوان بازخورد ضمني در توسعه پرسش دخالت داده مي شوند. بدين صورت با تعداد بازخورد صريح يكسان با روش هاي مرسوم بازخورد مرتبط، اطلاعات مفيد بيشتري در اختيار سيستم قرار مي گيرد.
نتايج ارزيابي در بستر مجموعه داده هاي كاملاً متن Reuters-21578 بيانگر بهبود چشمگير كارايي سيستم با استفاده از رويكرد پيشنهادي بود. اين تاثير مثبت زماني چشمگيرتر است كه كاربر مفهوم ضمني اسناد را جستجو مي نمايد.
|
|
Researchers
|
Mohammad Bidoki (First researcher) , Mohammad Reza Moosavi (Second researcher)
|