En 2024, ces auteurs et autrices nous émerveillent plus que jamais !
Nous proposons un modèle de recherche d'information basé sur les réseaux bayésien. Dans ce modèle, la requête de l'utilisateur déclenche un processus de propagation pour sélectionner les éléments pertinents. Dans notre modèle, nous cherchons à renvoyer à l'utilisateur un agrégat au lieu d'une liste d'éléments. En fait, l'agrégat formulé à partir d'un document est considéré comme étant un ensemble d'éléments ou une unité d'information (portion d'un document) qui répond le mieux à la requête de l'utilisateur. Cet agrégat doit répondre à trois aspects à savoir la pertinence, la non-redondance et la complémentarité pour qu'il soit qualifié comme une réponse à cette requête. L'utilité des agrégats retournés est qu'ils donnent à l'utilisateur un aperçu sur le contenu informationnel de cette requête dans la collection de documents. Afin de valider notre modèle, nous l'avons évalué dans le cadre de la campagne d'évaluation INEX 2009 (utilisant plus que 2 666 000 documents XML de l'encyclopédie en ligne Wikipédia). Les expérimentations montrent l'intérêt de cette approche en mettant en évidence l'impact de l'agrégation de tels éléments.
Il n'y a pas encore de discussion sur ce livre
Soyez le premier à en lancer une !
En 2024, ces auteurs et autrices nous émerveillent plus que jamais !
Des livres documentaires passionnants et ludiques pour les 7 à 11 ans
Ce road-movie intimiste est l'une des BD à ne pas manquer en cette rentrée
Découvrez 5 romans en format poche et tentez de les gagner...