Zurück Weiter

Inhalt:
Allgemeines Modell
Klassifikation im IR
Ähnlichkeitssuche
Vektorraummodell
Modell
Gewichtung
Ähnlichkeiten
Zwischenergebnis
Weiterentwicklungen
Relevance Feedback
Social Filtering
Web-Links nutzen
Assoziative Verfahren

Mehr dazu:
Relevance Feedback

Relevance Feedback
 

Für die Suche müssen Nutzende ihren Informationsbedarf dem Suchsystem vermitteln. Das ist oft schwierig.

Durchschnittliche Länge von Suchfragen im Web: 1,2 - 1,8 Wörter

Relevance Feedback nutzt die Bewertung von gefundenen Dokumenten durch die Nutzenden um eine Repräsentation von deren Informationsbedarf aufzubauen:

Die Erbgebnisse einer ersten Anfrage q werden von den Nutzenden bewertet:

  • R={d+1,...,d+r} ist die Menge der als relevant beurteilten Dokumente
  • U={d-1,...,d-u} die der als nichtrelevant beurteilten Dokumente.

Neuer Anfragevektor
q'= a q +
b
r
(
dR
vd ) -
c
u
(
dU
vd )

wobei vd der zu d gehörende Dokumentvektor ist.

Reginald Ferber, Münster (Westf): Automatische Generierung von Inhaltsrepräsentationen
FH Darmstadt-Dieburg, 2003-07-02, http://information-retrieval.de/ferber/fh-darmstadt/html/index.html
HTML file generated 2. 7. 2003 by R. Ferber