Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userApproach for the integration of filtering techniques with the search engines
مقاربة لتكامل تقنيات الترشيح مع محركات البحث
1537
0 29
0
(
0
)
Created by
Shamra Editor
Ask ChatGPT about the research
نعرض في هذا البحث مقاربة لتكامل محركات البحث مع تقنيات الترشيح، و ذلك من خلال علاقة دينامكية للتهجين بين الترشيح التعاوني، و الترشيح المرتكز على المحتوى؛ بهدف التخفيف من المحدوديات السابقة، و تحسين مقاييس الدقة و الاستذكار للوثائق المسترجعة. تَستخدم المقاربة المقترحة نموذج أنطلوجي المجال (Domain ontology) في تمثيل لاحة المستخدم بهدف الحد من الأخطاء و التشويش الناتجة عن عد لاحة المستخدم ككيان واحد كما تَستفيد من تفاعل المستخدم و نشاطه، للقيام بعمليات التعليم و التكيف المستمر للاحة المستخدم؛ لتعكس بشكل دائم شخصيته و ميوله دون الاعتماد على أمثلة تدريبية فقط؛ بهدف تحسين الترشيح، و تلبية حاجة المستخدم بالحصول على المعلومات الموائمة بدقة أكبر.
We offer in this approach the integration of search engines with filtering techniques, through the dynamic relationship of hybridization between collaborative filtering and content based filtering in order to solve the past limitations and improve precision and recall of retrieved documents. The approach uses Domain ontology model in the representation of user profile to reduce errors and confusion resulting from consideration for user profile as a single entity, as well as taking advantage from user activity for adaptation of user profile to reflect the state of user.
Artificial intelligence review:
Research summary
تتناول هذه الورقة البحثية مشكلة طوفان المعلومات الناتجة عن استخدام محركات البحث التقليدية، وتقترح مقاربة جديدة لتكامل محركات البحث مع تقنيات الترشيح لتحسين دقة واستذكار المعلومات المسترجعة. تعتمد المقاربة المقترحة على دمج تقنيات الترشيح التعاوني والترشيح المرتكز على المحتوى باستخدام نموذج أنطلوجي لتمثيل لائحة المستخدم. تهدف هذه المقاربة إلى معالجة نقاط الضعف في النماذج السابقة، مثل شدة الخصوصية في الترشيح المرتكز على المحتوى ومشكلة المستخدم الجديد في الترشيح التعاوني. تعتمد المقاربة على تعليم وتكيّف لائحة المستخدم بشكل مستمر، مما يعكس اهتمامات وتفضيلات المستخدم بشكل دقيق. تم اختبار النموذج المقترح من خلال تجارب متعددة أظهرت تحسناً ملحوظاً في مقاييس الدقة والاستذكار مقارنة بالنماذج التقليدية والنماذج التي تعتمد على نوع واحد من الترشيح.
Critical review
دراسة نقدية: تقدم هذه الورقة البحثية مقاربة مبتكرة ومهمة لتحسين أداء محركات البحث من خلال دمج تقنيات الترشيح، ولكن هناك بعض النقاط التي يمكن تحسينها. أولاً، قد يكون من المفيد تقديم مزيد من التفاصيل حول كيفية تنفيذ النموذج الأنطلوجي وكيفية تعليمه وتكيّفه مع مرور الوقت. ثانياً، يمكن أن تكون التجارب أكثر شمولاً من خلال تضمين مجموعة أكبر من المستخدمين والاستعلامات المختلفة للتحقق من فعالية النموذج في سياقات متنوعة. أخيراً، يمكن أن تكون هناك حاجة لمزيد من البحث حول كيفية تقليل التكلفة الحسابية الناتجة عن استخدام تقنيات الترشيح المتقدمة، لضمان أن تكون الحلول المقترحة قابلة للتطبيق في البيئات العملية.
Questions related to the research
-
ما هي المشكلة الرئيسية التي تعالجها الورقة البحثية؟
المشكلة الرئيسية هي طوفان المعلومات الناتجة عن استخدام محركات البحث التقليدية وعدم دقة النتائج المسترجعة.
-
ما هي المقاربة المقترحة لتحسين أداء محركات البحث؟
المقاربة المقترحة تعتمد على دمج تقنيات الترشيح التعاوني والترشيح المرتكز على المحتوى باستخدام نموذج أنطلوجي لتمثيل لائحة المستخدم.
-
ما هي نقاط الضعف في النماذج السابقة التي تهدف المقاربة المقترحة إلى معالجتها؟
نقاط الضعف تشمل شدة الخصوصية في الترشيح المرتكز على المحتوى ومشكلة المستخدم الجديد في الترشيح التعاوني.
-
كيف تم اختبار فعالية النموذج المقترح؟
تم اختبار فعالية النموذج من خلال تجارب متعددة أظهرت تحسناً ملحوظاً في مقاييس الدقة والاستذكار مقارنة بالنماذج التقليدية والنماذج التي تعتمد على نوع واحد من الترشيح.
References used
(Shang, F . Wang, l and Shi, l .( 2010). An Approach of Web Text Information Filtering Based on Domain Ontology to Expand Users' Requirements literature: (IEEE) Proceedings 3rd International Conference on Advanced Computer Theory and Engineering(ICACTE
Liu، Fang، Clement Yu، and Weiyi Meng. "Personalized Web search for improving retrieval effectiveness." IEEE Transactions on Knowledge and Data Engineering 16.1 (2004): 28+. Academic OneFile. Web. 26 Oct. 2010
Nicholas J. Belkin and W. Bruce Croft."Information filtering and information retrieval: Two sides of the same coin? ".G A L E G R O U P .Dec 1992 v35 n12
rate research
Read More
In this research, we are studying the possibility of contribution in solving the Vehicle
Routing Problem with Time Windows(VRPTW),that is one of the optimization problems
of the NP-hard type.
Moreover, Hybrid algorithm (HA) provided that integrate
s between Tabu Search
Algorithm and Guided Local Search algorithm And existence 2- Opt Local Search, based
on the savings algorithm in terms of continued of a particular objective to provide a lot of
savings. As we will compare the presented approach with standard tests to demonstrate
the efficiency, and their impact on the quality of the solution in terms of speed of
convergence and the ability to find better solutions.
In this research, we are studying the possibility of
contribution in solving the Vehicle Routing Problem With Time
Windows(VRPWTW), that is one of the optimization problems of
the NP-hard type. This problem has attracted a lot of attention now
be
cause of its real life applications. However, there is still no
algorithm that provides us with the perfect solution to this problem
because of the complexity of polynomial time. This means that the
time of the solution to the VRPWTW is growing steadily with the
increase in the number of nodes .All the used algorithms have just
given solutions that are close to the optimal one.
Successful conversational search systems can present natural, adaptive and interactive shopping experience for online shopping customers. However, building such systems from scratch faces real word challenges from both imperfect product schema/knowle
dge and lack of training dialog data. In this work we first propose ConvSearch, an end-to-end conversational search system that deeply combines the dialog system with search. It leverages the text profile to retrieve products, which is more robust against imperfect product schema/knowledge compared with using product attributes alone. We then address the lack of data challenges by proposing an utterance transfer approach that generates dialogue utterances by using existing dialog from other domains, and leveraging the search behavior data from e-commerce retailer. With utterance transfer, we introduce a new conversational search dataset for online shopping. Experiments show that our utterance transfer method can significantly improve the availability of training dialogue data without crowd-sourcing, and the conversational search system significantly outperformed the best tested baseline.
This research is an attempt to approach the concept of social capital
and clarify its importance, dimensions and prosperities.
The study concentrates mainly on the role of social capital in the
process of enhancing different aspects of political a
nd economic
development.
Social capital contributes greatly in explaining the success and
achievements of steady development.
At the economic level of development, social capital participates in
the growth and increase of production.
At the social level of development, social capital contributes to the
process of finding solutions for many social problems through
cooperation and the exchange of knowledge and experience.
Politically speaking, social capital is considered the conjunction and
relation that connects members of society with civil social foundations,
especially with the dimension of trust.
Social capital is an important mechanism of collaboration between
members of society dealing transparently with each other
Query rewrite (QR) is an emerging component in conversational AI systems, reducing user defect. User defect is caused by various reasons, such as errors in the spoken dialogue system, users' slips of the tongue or their abridged language. Many of the
user defects stem from personalized factors, such as user's speech pattern, dialect, or preferences. In this work, we propose a personalized search-based QR framework, which focuses on automatic reduction of user defect. We build a personalized index for each user, which encompasses diverse affinity layers to reflect personal preferences for each user in the conversational AI. Our personalized QR system contains retrieval and ranking layers. Supported by user feedback based learning, training our models does not require hand-annotated data. Experiments on personalized test set showed that our personalized QR system is able to correct systematic and user errors by utilizing phonetic and semantic inputs.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
