0


用户模型从积极的信息检索的隐式反馈

User models from implicit feedback for proactive information retrieval
课程网址: http://videolectures.net/um05_kaski_umifp/  
主讲教师: Samuel Kaski
开课单位: 阿尔托大学
开课时间: 2007-02-25
课程语种: 英语
中文简介:
我们的研究联盟为主动应用开发用户建模方法。在这个项目中,我们使用机器学习方法来预测用户’来自隐式相关反馈的偏好。我们的原型应用程序是信息检索,其中反馈信号是从眼睛运动或用户的行为来衡量的。使用从收集的数据集学习的模型从反馈信号中提取读取文本的相关性。由于一般难以定义相关性,因此我们构建了一个实验环境,其中相关性是先验已知的。
课程简介: Our research consortium develops user modeling methods for proactive applications. In this project we use machine learning methods for predicting users’ preferences from implicit relevance feedback. Our prototype application is information retrieval, where the feedback signal is measured from eye movements or user’s behavior. Relevance of a read text is extracted from the feedback signal with models learned from a collected data set. Since it is hard to define relevance in general, we have constructed an experimental setting where relevance is known a priori.
关 键 词: 用户模型; 信息检索; 隐式反馈
课程来源: 视频讲座网
最后编审: 2020-06-29:yumf
阅读次数: 44