دوره 22، شماره 1 - ( 3-1404 )                   جلد 22 شماره 1 صفحات 12-3 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Karimi S, Khodabakhsh M. Unsupervised Methods for Predicting Query Performance. JSDP 2025; 22 (1) :3-12
URL: http://jsdp.rcisp.ac.ir/article-1-1407-fa.html
کریمی سیده فاطمه، خدابخش مریم. پیش بینی عملکرد نتایج پرس‌وجو با کمک روش‌های بدون نظارت. پردازش علائم و داده‌ها. 1404; 22 (1) :3-12

URL: http://jsdp.rcisp.ac.ir/article-1-1407-fa.html


چکیده:   (90 مشاهده)
در سال­های اخیر، استفاده از موتورهای جستجو افزایش روزافزون داشته و نیاز به توسعه روش‌های دقیق‌تر بازیابی و رتبه‌بندی اسناد بیشتر شده است. در نتیجه پیش­بینی عملکرد موتورهای جستجو، یکی از الزامات و چالش­های بازیابی اطلاعات محسوب می­شود. اگر بتوان عملکرد پرس­وجوها را قبل از مرحله بازیابی یا بعد از آن تخمین زد، می­توان اقدامات خاصی را برای بهبود بازیابی انجام داد. پیش‌بینی عملکرد پرس­وجو بر تخمین دشواری برآوردن درخواست کاربر برای یک روش بازیابی خاص متمرکز است. در این پژوهش، ما به بررسی عملکرد پرس­وجو با کمک روش­های پس از بازیابی خواهیم پرداخت. در این راستا از روش­های بدون نظارت استفاده خواهیم کرد و به خوشه­بندی و اندازه­گیری معیارهای مختلف جهت ارزیابی عملکرد پاسخ­دهی پرس­وجو­ها می­پردازیم. در نهایت کار خود را با روش­های بدون نظارت موجود در ادبیات این حوزه مقایسه خواهیم کرد. نتایج نشان می‌دهد روش ما توانست ضریب اسپیرمن را در دیتاست TREC DL 2019 و DL-Hard به ترتیب 0.009 و 0.163 و در دیتاست TREC DL 2020 ضریب پیرسون  را 0.037 نسبت به بهترین کار موجود افزایش دهد. 
متن کامل [PDF 769 kb]   (32 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش متن
دریافت: 1402/8/22 | پذیرش: 1403/12/18 | انتشار: 1404/3/31 | انتشار الکترونیک: 1404/3/31

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.