Mandl, T.: Tolerantes Information Retrieval : Neuronale Netze zur Erhöhung der Adaptivität und Flexibilität bei der Informationssuche (2001)
0.01
0.007123011 = product of:
0.042738065 = sum of:
0.042738065 = weight(_text_:kognitive in 5965) [ClassicSimilarity], result of:
0.042738065 = score(doc=5965,freq=2.0), product of:
0.28477833 = queryWeight, product of:
6.7916126 = idf(docFreq=134, maxDocs=44218)
0.041930884 = queryNorm
0.15007485 = fieldWeight in 5965, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
6.7916126 = idf(docFreq=134, maxDocs=44218)
0.015625 = fieldNorm(doc=5965)
0.16666667 = coord(1/6)
- Abstract
- Ein wesentliches Bedürfnis im Rahmen der Mensch-Maschine-Interaktion ist die Suche nach Information. Um Information Retrieval (IR) Systeme kognitiv adäquat zu gestalten und sie an den Menschen anzupassen bieten sich Modelle des Soft Computing an. Ein umfassender state-of-the-art Bericht zu neuronalen Netzen im IR zeigt dass die meisten bestehenden Modelle das Potential neuronaler Netze nicht ausschöpfen. Das vorgestellte COSIMIR-Modell (Cognitive Similarity learning in Information Retrieval) basiert auf neuronalen Netzen und lernt, die Ähnlichkeit zwischen Anfrage und Dokument zu berechnen. Es trägt somit die kognitive Modellierung in den Kern eines IR Systems. Das Transformations-Netzwerk ist ein weiteres neuronales Netzwerk, das die Behandlung von Heterogenität anhand von Expertenurteilen lernt. Das COSIMIR-Modell und das Transformations-Netzwerk werden ausführlich diskutiert und anhand realer Datenmengen evaluiert
