共查询到15条相似文献，搜索用时 140 毫秒
1.
2.
近年来国外信息检索的相关性研究进展 总被引：2，自引：0，他引：2
国外的相关性研究至今已有上百年的历史,出现了两个主要的研究流派,即面向系统的相关性研究和面向用户的相关性研究,相关性是动态的、多维的、可认知的和可测度的等观点,已成为学术界的共识.1997年之后的相关性研究在基础研究和实证研究方面都有很大进展.信息检索的相关性研究已经深入到信息检索的各个领域,如模型、算法、聚类、查询扩展与精化、相关性判断等.随着相关性研究的不断深入发展,信息检索系统将会越来越贴近用户的信息需求. 相似文献
3.
4.
5.
6.
7.
相关性理论是情报学基础理论之一,是衡量信息检索效能的关键指标,而本体信息检索是信息检索领域研究的前沿课题、发展方向。本文以米扎罗四维相关性模型为基础,对不同类型本体信息检索模型式下的相关性表现进行了对比研究,发现在本体信息检索条件下,相关性得到较大提高。 相似文献
8.
基于向量空间模型的文献相关性数据库的研究与实现* 总被引：1，自引：0，他引：1
探讨“相关性”的概念,简述文献相关性数据库的研究现状,提出基于词表和特征项提取的向量空间模型,并在此基础上设计、构建中国生物医学工程文献相关性数据库及其检索系统。 相似文献
9.
[目的 /意义]探索绝对颠覆性指数DZ与Faculty Opinions同行评议指标和引证指标CNCI间的相关性,揭示Faculty Opinions同行评议指标在研究论文颠覆性创新早期识别中的效果。[方法 /过程]通过对选出的140篇研究论文的绝对颠覆性指数DZ、Faculty Opinions同行评议指标[包括同行评分（FScore）、同行评级（FStar）、评价次数（FTime）、加权评级（FStar＿w）、加权评价次数（FTime＿w）]和影响力指标CNCI进行相关性分析,并对高颠覆性文献、Faculty Opinions收录文献、高影响力文献在全部5 566篇焦点文献中的分布和不同评价角度下选出的研究文献重合情况进行研究。[结果 /结论 ]从全部病毒学领域期刊来看,绝对颠覆性指数DZ与Faculty Opinions同行评议指标间存在弱相关性,与影响力指标CNCI间存在中等相关性。FScore与CNCI存在着强相关性,FStar、FStar＿w与CNCI存在着中等相关性,FTime、FTime＿w与CNCI存在着弱相关性。但不同标签的研究论文三类指标间的相关性各不相同。其中,... 相似文献
10.
相关性研究与情报检索系统评价 总被引：1，自引：0，他引：1
从情报检索系统评价的角度探讨相关性研究发展的历史,分析相关性作为系统性能评价指标的可行性,指出利用相关性评价情报检索系统性能实验的优势及不足,展望相关性研究发展的趋势。 相似文献
11.
[目的/意义] 研究以科学数据为信息载体，探究用户在进行数据检索时，影响其进行相关性判断的标准的使用特征，从而进一步探究科学数据用户的信息行为，为完善数据检索平台和加强数据共享与服务提供理论支持。[方法/过程] 通过调查问卷、访谈与层次分析法相结合的方法开展研究，用户为高校和科研单位在读研究生。[结果/结论] 分析结果显示相关性标准呈现4个特征：①相关性标准的使用情况符合著名的长尾定律；②主题性在相关性判断过程中具有锚定功能；③相关性标准在相关性判断中具有双向性；④相关性标准使用权重相对稳定。研究准确把握了科学数据用户的检索策略，明晰了其检索行为，为改进科学数据共享系统提供了具有可操作性的建议。 相似文献
12.
个性化信息检索中的相关反馈技术研究 总被引：3，自引：0，他引：3
简要介绍了相关反馈的研究现状及基本思想,在深入分析相关反馈的实现策略和在不同系统中设计的差别后,提出了相关反馈技术和个性化信息检索结合的模型,最后讨论引入数据融合的思想来进一步改善反馈效果。 相似文献
13.
基于案例研究结果及早期研究成果设计合作信息查寻与检索相关性的判据量表,通过问卷调查获取高校及科研院所学生合作信息查寻与检索的相关性判据使用数据,利用临界值比较、内部一致性分析、均值比较、探索性因子分析等方法对这些数据进行量化分析,得出以下主要结论:合作相关性判据量表的项目共34项,分属于8个类别,分别为信息来源特征、信息内容有用性、信息索引特征、信息表现形式、信息质量、可获取性、信息结构特征与信息传播特征;8个类别可解释的方差变异约为60%,表明相关性判据不是相关判断的唯一标准或依据,还有其他因素影响用户的相关判断过程。 相似文献
14.
Thomas Demeester Robin Aly Djoerd Hiemstra Dong Nguyen Chris Develder 《Information Retrieval》2016,19(3):284-312
Evaluation of search engines relies on assessments of search results for selected test queries, from which we would ideally like to draw conclusions in terms of relevance of the results for general (e.g., future, unknown) users. In practice however, most evaluation scenarios only allow us to conclusively determine the relevance towards the particular assessor that provided the judgments. A factor that cannot be ignored when extending conclusions made from assessors towards users, is the possible disagreement on relevance, assuming that a single gold truth label does not exist. This paper presents and analyzes the predicted relevance model (PRM), which allows predicting a particular result’s relevance for a random user, based on an observed assessment and knowledge on the average disagreement between assessors. With the PRM, existing evaluation metrics designed to measure binary assessor relevance, can be transformed into more robust and effectively graded measures that evaluate relevance towards a random user. It also leads to a principled way of quantifying multiple graded or categorical relevance levels for use as gains in established graded relevance measures, such as normalized discounted cumulative gain, which nowadays often use heuristic and data-independent gain values. Given a set of test topics with graded relevance judgments, the PRM allows evaluating systems on different scenarios, such as their capability of retrieving top results, or how well they are able to filter out non-relevant ones. Its use in actual evaluation scenarios is illustrated on several information retrieval test collections. 相似文献