Content-Based Mining of Query Replacements
Niniejsza książka wprowadza problem zastępowania zapytań w oparciu o treść.
Motywuje ona korelację terminów modelowaną za pomocą MRF i technikę opartą na próbkowaniu do uczenia się definicji wyszukiwanych fraz. Definicje te są wykorzystywane jako alternatywne zapytania w celu osiągnięcia wyższej dokładności w kilku zadaniach wyszukiwania.
Pobieranie odpowiednich dokumentów przy jednoczesnym eliminowaniu nieistotnych dokumentów dla zapytania użytkownika jest trudnym zadaniem, które wymaga dobrego zrozumienia relacji między danymi a zapytaniem, a także opracowania algorytmów, które mogą skutecznie mierzyć trafność danych dla zapytania. W ramach niniejszej rozprawy doktorskiej opracowaliśmy hipotezę, która pozwala znacznie ograniczyć problem wydobywania definicji wyszukiwanych fraz poprzez modelowanie łącznego rozkładu terminów jako iloczynu rozkładów warunkowych, modelowanych jako Markov Random Field. Zakładamy, że istnieje podstawowy wspólny rozkład terminów, które są używane do opisania wyszukiwanej frazy.
Proponowane przez nas modelowanie jest skondensowaną reprezentacją relacji między terminami i wydaje się uchwycić statystyki wglądu między terminami. opisuje frazę docelową.