Information -Retrieval-Systeme (IR) Arbeit als Werkzeuge, die Abfrage -und Rückfahrt Informationen als Ausgabe. Ein Beispiel für eine moderne IR ist die Suchmaschine . Der Begriff " Relevanz-Feedback " wurde vor mehr als zwanzig Jahren als eine Möglichkeit, einen automatischen Prozess bezeichnen eingeführt. Das entwickelte System Abfrage Formulierungen nach der ersten Abruf Operation beteiligt . Arten von Relevanz-Feedback kann beinhalten, dass die explizit , implizit, und Pseudo oder dass die als blinde Feedback kategorisiert werden. Information Retrieval Systeme eingreifen Relevanz-Feedback -Systeme , um die Ergebnisse von bestimmten Abfragen nutzen, um ihre allgemeine Angemessenheit zu beurteilen. Anleitung
1

Verstehen Sie die beiden gemeinsamen IR -Techniken , die von den meisten modernen Systemen verwendet . Die erste ist die Stammwortzerlegung , das Entfernen von Suffixen von Wörtern Basis beinhaltet . Zum Beispiel, " Unterstützung ", "assisted " und " Vorlagen unterstützen " würden alle als bezeichnet werden " . " Systeme, stammen verwenden würde erfordern, dass alle Wörter vor Indizierung eingedämmt werden . Die anderen häufigste IR -Technik nutzt häufigsten vorkommende Wörter aus Dokumenten in sogenannten verwendet "stop -Listen. " Wörter wie " und ", " A" und " aber " in der Regel umfassen die meisten von dieser Liste.
2

auswerten und vergleichen IR-Systeme zu bestimmen, welche wäre am besten für den Zweck. Schauen Sie sich Precision und Recall innerhalb einer gegebenen Menge von Unterlagen abgerufen . Ermitteln Sie den Grad der Genauigkeit Prozentsatz . Entscheiden Sie das Niveau der Rückruf durch den Prozentsatz der relevanten Dokumente, die abgerufen wurden .
3

Bewerben andere Aspekte wie Evaluierung , wie gut das System erfüllt die Abfrage , wie schnell es erfüllt die Abfrage , was Ressourcen, die sie benötigt und wie einfach es für die Nutzer Antworten zu erhalten ist .
4

Conduct Experimente mit unterschiedlichen Suchbegriffen und Wortfolgen in den IR . Notieren Sie sich die Reaktionszeiten und die abgerufenen Daten . Halten Sie die Anpassung der Suchbegriff Worte während des Experiments in verschiedenen IRS. Überprüfen Sie die Datensätze , auf die IRs Arbeit am besten zu ermitteln. Versuchen Sie studieren und zu untersuchen, wie erfahrene Anwender anzupassen Suche Techniken mit traditionellen Online-Suchmaschine Retrieval-Systeme . Haben eher unerfahrene Anwender Wege finden, um neue Suchbegriffe in das gleiche Experiment zu integrieren. Fügen Sie verschiedene Arten von IRS.
5

Neues Experiment , bei dem alle Benutzer Themen genau die gleiche Abfrage Suchmaschine versuchen mit dem gleichen Dokument Sammlung (z. B. eine Gruppe von Artikeln aus einer Zeitung ) . Haben Nutzer die gleichen durchsucht gegen die gleichen Themen in den gleichen Zeitrahmen .
6

Vergleichen Sie die Ergebnisse aus allen durchgeführten Experimenten . Als Gitter, Diagramme und Grafiken , um die Daten gefunden wurden. Damit wird ein visuelles Tool , von denen hilfreiche Informationen sammeln . Verwenden Sie die Datenanalyse zu ermitteln, wie minimal ausgebildeten End- Nutzer können einen neu entwickelten Baseline System in einem einigermaßen effektive Art und Weise zu nutzen. Interpretieren Sie das Relevanz-Feedback , um die allgemeine Wirksamkeit Abruf zu erhöhen. Entscheiden Sie sich für eine erhöhte Interaktion mit dem Benutzer Gelegenheit . Kontrollieren Relevanz-Feedback , um effizienter zu machen und Interaktionen aufrechtzuerhalten oder zu steigern Suchergebnis Wirksamkeit .