مشخصات کتاب
Statistical Language Models for Information Retrieval - A Critical Review
دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:
نویسندگان: Zhai CX.
سری:
ناشر:
سال نشر:
تعداد صفحات: 77
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 314 کیلوبایت
قیمت کتاب (تومان) : 30,000
کلمات کلیدی مربوط به کتاب مدل های زبان آماری برای بازیابی اطلاعات - بررسی انتقادی: علوم و مهندسی کامپیوتر، هوش مصنوعی، زبانشناسی محاسباتی
میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 5
در صورت تبدیل فایل کتاب Statistical Language Models for Information Retrieval - A Critical Review به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مدل های زبان آماری برای بازیابی اطلاعات - بررسی انتقادی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب مدل های زبان آماری برای بازیابی اطلاعات - بررسی انتقادی
Из серии مبانی و روندها در بازیابی اطلاعات NOWPress, 2009, -77
pp.
مدل های زبان آماری
اخیراً با موفقیت برای بسیاری از مشکلات بازیابی اطلاعات به کار
گرفته شده اند. تعداد زیادی کار اخیر نشان داده است که مدلهای
زبان آماری نه تنها منجر به عملکرد تجربی برتر میشوند، بلکه
تنظیم پارامترها را تسهیل میکنند و فرصتهایی را برای مدلسازی
مشکلات بازیابی غیرسنتی باز میکنند. به طور کلی، مدلهای زبان
آماری روشی اصولی برای مدلسازی انواع مشکلات بازیابی ارائه
میدهند. هدف از این نظرسنجی بررسی سیستماتیک و انتقادی کار موجود
در به کارگیری مدل های زبانی آماری در بازیابی اطلاعات، خلاصه
کردن مشارکت آنها و اشاره به چالش های برجسته است.
مقدمه
رویکرد پایه مدلسازی زبان
درک امتیازدهی احتمال پرس و جو
بهبود رویکرد مدلسازی زبان پایه
مدلهای پرس و جو و بازخورد در مدلهای زبان
مدلهای زبان برای وظایف خاص بازیابی
یکپارچه سازی مدل های مختلف زبان
خلاصه و چشم انداز
توضیحاتی درمورد کتاب به خارجی
Из серии Foundations and Trends in Information Retrieval
издательства NOWPress, 2009, -77 pp.
Statistical language models have
recently been successfully applied to many information
retrieval problems. A great deal of recent work has shown that
statistical language models not only lead to superior empirical
performance, but also facilitate parameter tuning and open up
possibilities for modeling nontraditional retrieval problems.
In general, statistical language models provide a principled
way of modeling various kinds of retrieval problems. The
purpose of this survey is to systematically and critically
review the existing work in applying statistical language
models to information retrieval, summarize their contributions,
and point out outstanding challenges.
Introduction
The Basic Language Modeling Approach
Understanding Query Likelihood Scoring
Improving the Basic Language Modeling Approach
Query Models and Feedback in Language Models
Language Models for Special Retrieval Tasks
Unifying Different Language Models
Summary and Outlook
نظرات کاربران