抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
IRシステムを用いた実験は,伝統的に手続き的で面倒なプロセスである。クエリーはインデックス上で実行されなければならず,検索モデルのどのパラメータも適切に調整される。学習ツーランクの出現により,そのような実験プロセス(クロスフォールド検証を達成するためのクエリの適切な折畳みを含む)は,複雑な実験設計,従って記述をもたらした。同時に,Scikit LarnおよびApache Sparkのような機械学習プラットフォームは,実験パイプラインの概念を先駆け,それは自然に教師つき分類実験を,学習または変換できる一連の段階を表現できる。この実証において,著者らは,Sparkの実験パイプライン内で使用できるTerier情報検索プラットフォームへの最近の適応であるTrierer-Sparkを詳細に述べる。この(1)は,情報検索のためのアジャイルな実験プラットフォームを提供し,データ科学の他の枝によって楽しむものに匹敵すると主張した。(2)実施した実験を含む容易に分配可能なノートブックを容易化することによって,情報検索における研究再現性を助ける。(3)教育環境における情報検索実験の教育を容易にする。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】