文献

J-GLOBAL ID：201702283335179649   整理番号：17A0369027

検索エンジン質問勧告インクリメンタルモデル【Powered by NICT】

An incremental model on search engine query recommendation

著者 (5件)： Wang JianGuo (Shenzhen Key Laboratory of High Performance Data Mining, Shenzhen Institutes of Advanced Technology Chinese Academy of Sciences, Shenzhen College of Advanced Technology, University of Chinese Academy of Sciences, 1068 Xueyuan Avenue, Shenzhen University Town, Shenzhen 518055, PR China) ,  Huang Joshua Zhexue (College of Computer Science and Software Engineering, Shenzhen University, 3688 Nanhai Avenue, Shenzhen 518060, PR China) ,  Wu Dingming (College of Computer Science and Software Engineering, Shenzhen University, 3688 Nanhai Avenue, Shenzhen 518060, PR China) ,  Guo Jiafeng (Institute of Computing Technology, Chinese Academy of Sciences, 6 Kexueyuan South Road, Beijing 100190, PR China) ,  Lan Yanyan (Institute of Computing Technology, Chinese Academy of Sciences, 6 Kexueyuan South Road, Beijing 100190, PR China)
資料名： Neurocomputing  (Neurocomputing)
巻： 218  ページ： 423-431  発行年： 2016年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： マイニング質問ログに基づく検索エンジンクエリー推薦は情報を検索するためにユーザを促進する重要で有用な方法と考えられている。しかし,検層データが急速に発展した。新しい検層データが到着したときに既存の質問レコメンデーションアプローチはモデルを再構築しなければならない。この論文では,著者らの以前の研究で提案した質問ランキングモデル(QRM)(Wangetal.,2015)[1]を拡張した新しい到来ログデータでは,インクリメンタル添加適応モデルに,推奨モデルは最新に保たれている。実験結果は,提案したインクリメンタル質問ランキングモデル(IQRM)精度を失うことなく発展するログデータに再構築されたQRMよりも効率的に質問を推奨できることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 再構成 ,  高速度 ,  *検索エンジン
準シソーラス用語： クエリー , 【Automatic Indexing@JST】

著者キーワード (4件)： クエリーレコメンデーション ,  質問ログ分析 ,  凸最適化 ,  インクリメンタル更新法

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 検索エンジン ,  質問 ,  勧告