ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب A Generative Theory of Relevance

دانلود کتاب یک نظریه مولد ارتباط

A Generative Theory of Relevance

مشخصات کتاب

A Generative Theory of Relevance

ویرایش: 1 
نویسندگان:   
سری: The Information Retrieval Series 26 
ISBN (شابک) : 9783540893639, 9783540893646 
ناشر: Springer-Verlag Berlin Heidelberg 
سال نشر: 2009 
تعداد صفحات: 210 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

قیمت کتاب (تومان) : 56,000



کلمات کلیدی مربوط به کتاب یک نظریه مولد ارتباط: ذخیره و بازیابی اطلاعات، احتمالات و آمار در علوم کامپیوتر، تحلیل الگوریتم و پیچیدگی مسائل



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 16


در صورت تبدیل فایل کتاب A Generative Theory of Relevance به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب یک نظریه مولد ارتباط نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب یک نظریه مولد ارتباط



یک سیستم بازیابی اطلاعات مدرن باید قابلیت یافتن، سازماندهی و ارائه نمودهای بسیار متفاوت اطلاعات را داشته باشد - مانند متن، تصاویر، ویدئوها یا سوابق پایگاه داده - که هر یک از آنها ممکن است برای کاربر مرتبط باشد. با این حال، مفهوم ربط، در حالی که به ظاهر شهودی به نظر می رسد، در واقع تعریف کردن آن دشوار است، و حتی سخت تر است که به روشی رسمی مدل سازی شود.

لاورنکو تلاشی برای ارائه یک موضوع ندارد. تعریف جدیدی از ربط، و نه ارائه استدلالی مبنی بر اینکه چرا هر تعریف خاصی ممکن است از نظر نظری برتر یا کاملتر باشد. در عوض، او تعریفی کاملاً پذیرفته شده، البته تا حدودی محافظه‌کارانه، اتخاذ می‌کند، چندین مفروض را مطرح می‌کند، و از آن‌ها یک مدل احتمالی جدید ایجاد می‌کند که به صراحت آن مفهوم مربوط بودن را در بر می‌گیرد. با این کتاب، او دو سهم عمده در زمینه بازیابی اطلاعات انجام می دهد: اول، راهی جدید برای نگاه کردن به ارتباط موضوعی، تکمیل کننده دو مدل غالب، یعنی مدل احتمالی کلاسیک و رویکرد مدل سازی زبان، و که به صراحت اسناد را ترکیب می کند. پرس و جوها و ارتباط در یک فرمالیسم واحد. دوم، روشی جدید برای مدل‌سازی توالی‌های مبادله‌پذیر متغیرهای تصادفی گسسته که هیچ فرض ساختاری در مورد داده‌ها ایجاد نمی‌کند و همچنین می‌تواند رویدادهای نادر را مدیریت کند.

بنابراین کتاب او از علاقه عمده به محققان و دانشجویان فارغ التحصیل در بازیابی اطلاعات که در مدل سازی مرتبط، الگوریتم های رتبه بندی و مدل سازی زبان تخصص دارند.


توضیحاتی درمورد کتاب به خارجی

A modern information retrieval system must have the capability to find, organize and present very different manifestations of information – such as text, pictures, videos or database records – any of which may be of relevance to the user. However, the concept of relevance, while seemingly intuitive, is actually hard to define, and it's even harder to model in a formal way.

Lavrenko does not attempt to bring forth a new definition of relevance, nor provide arguments as to why any particular definition might be theoretically superior or more complete. Instead, he takes a widely accepted, albeit somewhat conservative definition, makes several assumptions, and from them develops a new probabilistic model that explicitly captures that notion of relevance. With this book, he makes two major contributions to the field of information retrieval: first, a new way to look at topical relevance, complementing the two dominant models, i.e., the classical probabilistic model and the language modeling approach, and which explicitly combines documents, queries, and relevance in a single formalism; second, a new method for modeling exchangeable sequences of discrete random variables which does not make any structural assumptions about the data and which can also handle rare events.

Thus his book is of major interest to researchers and graduate students in information retrieval who specialize in relevance modeling, ranking algorithms, and language modeling.



فهرست مطالب

Front Matter....Pages I-XX
Introduction....Pages 1-5
Relevance....Pages 7-35
A Generative View of Relevance....Pages 37-70
Generative Density Allocation....Pages 71-102
Retrieval Scenarios....Pages 103-174
Conclusion....Pages 175-183
Back Matter....Pages 185-197




نظرات کاربران