Probabilistic relevance model
http://dbpedia.org/resource/Probabilistic_relevance_model an entity of type: Assistant109815790
El modelo de relevancia probabilístico fue propuesto por y en 1976 con el objetivo de representar el proceso de recuperación de información desde el punto de vista de las probabilidades.
rdf:langString
Le modèle probabiliste de pertinence est une méthode probabiliste de représentation du contenu d'un document, proposée en 1976 par Robertson et Jones. Elle est utilisée en recherche d'information pour exprimer une estimation de la probabilité de pertinence d'un document par rapport à une requête, et ainsi classer une liste de documents dans l'ordre décroissant d'utilité probable pour l'utilisateur. L'une des applications directes de ce modèle est la méthode de pondération Okapi BM25, considérée comme l'une des plus performantes dans le domaine.
rdf:langString
O modelo probabilístico pontua os documentos por sua probabilidade estimada de relevância com relação à consulta e ao documento, base do Princípio da , desenvolvido por Robertson. O precisa decidir se os documentos pertencem ao conjunto relevante ou ao conjunto não relevante para uma consulta. Considerando que existe um conjunto relevante predefinido e um conjunto não relevante para a consulta, a tarefa é calcular a probabilidade de que o documento pertença ao conjunto relevante e comparar isso com a probabilidade de que o documento pertença ao conjunto não relevante. É bastante utilizado o algoritmo de pontuação probabilística BM25(Best Match 25)
rdf:langString
The probabilistic relevance model was devised by Stephen E. Robertson and Karen Spärck Jones as a framework for probabilistic models to come. It is a formalism of information retrieval useful to derive ranking functions used by search engines and web search engines in order to rank matching documents according to their relevance to a given search query.
rdf:langString
rdf:langString
Modelo de relevancia probabilístico
rdf:langString
Modèle probabiliste de pertinence
rdf:langString
Probabilistic relevance model
rdf:langString
Modelo probabilístico
xsd:integer
25959000
xsd:integer
1030567635
rdf:langString
El modelo de relevancia probabilístico fue propuesto por y en 1976 con el objetivo de representar el proceso de recuperación de información desde el punto de vista de las probabilidades.
rdf:langString
Le modèle probabiliste de pertinence est une méthode probabiliste de représentation du contenu d'un document, proposée en 1976 par Robertson et Jones. Elle est utilisée en recherche d'information pour exprimer une estimation de la probabilité de pertinence d'un document par rapport à une requête, et ainsi classer une liste de documents dans l'ordre décroissant d'utilité probable pour l'utilisateur. L'une des applications directes de ce modèle est la méthode de pondération Okapi BM25, considérée comme l'une des plus performantes dans le domaine.
rdf:langString
The probabilistic relevance model was devised by Stephen E. Robertson and Karen Spärck Jones as a framework for probabilistic models to come. It is a formalism of information retrieval useful to derive ranking functions used by search engines and web search engines in order to rank matching documents according to their relevance to a given search query. It is a theoretical model estimating the probability that a document dj is relevant to a query q. The model assumes that this probability of relevance depends on the query and document representations. Furthermore, it assumes that there is a portion of all documents that is preferred by the user as the answer set for query q. Such an ideal answer set is called R and should maximize the overall probability of relevance to that user. The prediction is that documents in this set R are relevant to the query, while documents not present in the set are non-relevant.
rdf:langString
O modelo probabilístico pontua os documentos por sua probabilidade estimada de relevância com relação à consulta e ao documento, base do Princípio da , desenvolvido por Robertson. O precisa decidir se os documentos pertencem ao conjunto relevante ou ao conjunto não relevante para uma consulta. Considerando que existe um conjunto relevante predefinido e um conjunto não relevante para a consulta, a tarefa é calcular a probabilidade de que o documento pertença ao conjunto relevante e comparar isso com a probabilidade de que o documento pertença ao conjunto não relevante. É bastante utilizado o algoritmo de pontuação probabilística BM25(Best Match 25)
xsd:nonNegativeInteger
2476