Главная

Популярная публикация

Научная публикация

Случайная публикация

Обратная связь

ТОР 5 статей:

Методические подходы к анализу финансового состояния предприятия

Проблема периодизации русской литературы ХХ века. Краткая характеристика второй половины ХХ века

Ценовые и неценовые факторы

Характеристика шлифовальных кругов и ее маркировка

Служебные части речи. Предлог. Союз. Частицы

КАТЕГОРИИ:






Визначення контексту пошукових запитів




Підвищити ефективність пошуку дозволяє його персоніфікація, тобто використання відомостей про попередні запити конкретного користувача і сфері його інформаційних інтересів.

Традиційні механізми пошуку в Інтернет, як правило, розглядають інформаційні запити користувача ізольовано один від одного і не враховують отримані раніше результати. Враховуючи інформацію про користувача, про Про, яка його цікавить, і про виконані раніше запити цього користувача, можна одержувати більш релевантні результати і підвищити ефективність пошуку. На сьогоднішній день існує кілька різних підходів до формалізованого завдання таких зведень.

Наприклад, у проекті Inquirus контекстна інформація задається явно у вигляді категорії даних, яку запитує користувач. Контекстна інформація використовується для вибору тих механізмів пошуку, яким передається запит, для модифікації запитів і для визначення принципів упорядкування отриманих документів.

Деякі засоби дозволяють визначити контекст пошуку автоматично. Наприклад, система Watson моделює контекст на основі вмісту документів, що користувач раніше редагував засобами Microsoft Word або переглядав у Internet Explorer. Ці документи аналізуються за допомогою алгоритму, що виявляє слова, характерні для документів. Потім ці слова автоматично додаються до запиту. Крім того, Watson у фоновому режимі шукає в Web документи, зв'язані з матеріалами, що редагує або переглядає користувач. Недоліком системи є непрозорість алгоритмів, використовуваних системою, для кінцевого користувача.

Аналогічно працює Remembrance Agent, що індексує файли (повідомлення електронної пошти, наукові статті і т.п.), з якими працює користувач, і веде пошук документів, зв'язаних з ними. Autonomy’s Kenjin автоматично аналізує файли, які користувач чи переглядає редагує. До аналогічних рішень можна віднести агентів Fab, Letizia і WebWatcher, що вивчають область інтересів користувача для того, щоб запропонувати йому відповідні Web-сторінки.

Інший підхід до персоніфікації пошуку базується на використанні онтологій для формалізованого опису області інформаційних інтересів певного користувача. Користувач може обрати одну з існуючих онтологій або створити власну. У процесі виконання пошукового запиту будуть використовуватися терміни з цієї онтології.

Ще один перспективний засіб інтелектуалізації інформаційного пошуку базується на індуктивнім узагальненні історії виконання інших запитів конкретного користувача з метою здобуття знань про його інформаційні інтереси, які містяться у цих відомостях неявним чином (приміром, користувач завжди відкидає інформаційні ресурси певної категорії або певного обсягу, цікавиться інформацією лише певною мовою, проте не вказує це у своїх запитах).

Забезпечити ефективне використання ресурсів мережі, часу, що витрачає користувач, та підвищити якість здійснюваного пошуку потрібних знань, дозволяє використання інформаційно-пошукових агентів та мультиагентних інформаційно-пошукових систем.






Не нашли, что искали? Воспользуйтесь поиском:

vikidalka.ru - 2015-2024 год. Все права принадлежат их авторам! Нарушение авторских прав | Нарушение персональных данных