فایل ورد کامل گسترش پرس و جو برای جستجوی ایمیل

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل گسترش پرس و جو برای جستجوی ایمیل،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۶ صفحه

چکیده

این کار به مطالعه اثربخشی بسط پرس و جو برای جستجوی ایمیل می پردازد. در این مقاله سه روش جدید برای بسط پرس و جو مورد بررسی قرار گرفته است: ۱) مدل توسعه بر مبنای ترجمه کلی ، ۲) مدل تعبیه کلمه شخصی ، ۳) مدل بازخورد شبه مرتبط کلاسیک . در این رابطه، آزمایشاتی با دو مجموعه داده استخراج شده از لاگ پرس و جوی بزرگ سرویس وب میل، انجام شد. نتایج بدست آمده، کمک مهم بسط پرس و جو به اندازه گیری تشابه بین پرس و جو و پیغام های ایمیل را نشان می دهد. از طرف دیگر، کمک روشهای بسط به تابع نمره گذاری یادگیری رتبه بندی درست آموزش دیده با استفاده از سیگنالهای مرتبط زیاد، نسبتاً کم بوده است.

۴- نتایج

این کار مستمر، اثربخشی روشهای بسط پرس و جو برای جستجوی ایمیل را مطالعه و بررسی می نماید. کلیه روشهای بسط، به شیوه ای معنادار، برتر از مدل رتبه بندی مبتنی بر SDM استاندارد عمل کرده و مدل ترجمه، برتر از روشهای بسط دیگر ظاهر می شود. اما، مقدار بهبود REX، که یک مدل رتبه بندی LTR بالغ و درست آموزش دیده است، در حد بسیار کم بود. سئوال مربوط به نحوه ادغام بهینه پرس و جوی بسط یافته در مدل یادگیری رتبه بندی و نحوه ترکیب بهینه مدلهای بسط، حل نشده و به کار آتی محول شده است.

عنوان انگلیسی:Query Expansion for Email Search~~en~~

Abstract

This work studies the effectiveness of query expansion for email search. Three state-of-the-art expansion methods are examined: 1) a global translation-based expansion model; 2) a personalized-based word embedding model; 3) the classical pseudo-relevance-feedback model. Experiments were conducted with two mail datasets extracted from a large query log of a Web mail service. Our results demonstrate the significant contribution of query expansion for measuring the similarity between the query and email messages. On the other hand, the contribution of expansion methods for a well trained learning-to-rank scoring function that exploits many relevance signals, was found to be modest.

$$en!!