Geri Dön

Analyzing and boosting the performance of explicit result diversification methods for web search

Web'de arama için kullanılan açık sonuç çeşitlendirme yöntemlerinin performanslarının incelenmesi ve iyileştirilmesi

  1. Tez No: 463538
  2. Yazar: MEHMET AKÇAY
  3. Danışmanlar: YRD. DOÇ. DR. İSMAİL SENGÖR ALTINGÖVDE
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 69

Özet

Arama sonuçları çeşitlendirme yöntemlerinin katkısı üzerine, yakınlarda yapılan bir araştırma sonucuna göre zayıf referans değerleri, çeşitlendirme metodları tarafından çoğunlukla belirgin derecede iyileştirilebilirken, güçlü referanslar için, önemli derecede hiçbir iyileştirme sağlanamıyor. Bu konunun gelecekteki araştırmalarda, çeşitlendirme yöntemlerinin değerlendirilmesinde kullanılacak stratejileri şekillendirmesindeki önemi nedeniyle, bu tezde, öncelikle bahsi geçen araştırmadaki sonuçların başarılı bir şekilde yinelenmesi ve sonrasında olası sınırlamalarının incelenmesi hedefleniyor. Kapsamlı deneylerimiz, ilk olarak, önceki çalışmayla aynı deneysel ortamda benzer sonuçlara ulaşabileceğimizi ortaya koyuyor. Daha sonra, daha güçlü referans değerleri için, bazı yöntemlerin parametrelerini ayarlamanın daha hassas bir şekilde yapılması gerektiği varsayımında bulunuyoruz. Duruma özel olarak belirlenen dengeleme parametreleriyle, güçlü referans değerleri üzerinde bile belirgin iyileştirmelerin oranının ikiye katlandığı gösteriliyor. Bir diğer konu olarak, kullanılan yöntemlerin çeşitlilik bileşeni hesaplanırken, güçlü referans değerleri alınırken kullanılan fonksiyonların aynısının kullanımının performanslar üzerindeki olası etkileri ele alınıyor. Son olarak, aday seti boyutunun performansa etkilerini analiz edip, bütün sorgular için aynı boyutu kullanmak yerine sorgu bazında değişen aday seti boyutları kullanmanın performansı daha da iyileştirebileceği gösteriliyor. Sonuç olarak, güçlü bir referans değeri için, çeşitlendirme yöntemlerinin parametrelerinin ayarlanması, performansın artırılması açısından daha önemlidir. Bu başarılı bir şekilde yapıldığı takdirde, performanslarda iyileştirme sağlamak mümkündür.

Özet (Çeviri)

A recent study on the topic of additivity addresses the task of search result diversification and concludes that while weaker baselines are usually significantly improved by the evaluated diversification methods, for stronger baselines, no significant improvement can be observed. Due to the importance of the issue in shaping future research evaluation strategies in search results diversification, in this thesis, we first aim to reproduce the findings reported in the previous study, and then investigate its possible limitations. Our extensive experiments first reveal that under the same experimental setting with that previous study, we can reach similar results. Next, we hypothesize that for stronger baselines, tuning the parameters of some methods should be done in a more fine-grained manner. With trade-off parameters that are specifically determined for each baseline run, we show that the percentage of significant improvements even over the strong baselines can be doubled. As a further issue, we discuss the possible impact of using the same strong baseline retrieval function for the diversity computations of the methods. Finally, the effect of another parameter in search result diversification i.e. candidate set size is analyzed and we show that using adaptive candidate set size on a query basis instead of a fixed value across all queries, performances of result diversification methods on strong baselines can be further improved. In conclusion, in the case of a strong baseline, it is more crucial to tune the parameters of the diversification methods to be evaluated; but once this is done, additivity is achievable.

Benzer Tezler

  1. Developing a life insurance recommendation system using machine learning methods

    Makine öğrenme yöntemleri kullanarak hayat sigortası öneri sistemi geliştirmesi

    ASLI HAZAL AKALTUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı

    DOÇ. DR. TEVFİK AYTEKİN

  2. Türkçe metinlerde duygu analizi

    Sentiment analysis in Turkish texts

    CUMALİ TÜRKMENOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ

  3. İslami ve geleneksel bankalarda kurumsal yönetim, risk yönetimi ve finsansal performans ilişkisi

    The relationship between corporate governance, risk management and financial performance in Islamic and conventional banks

    MUSTAFA NİHAT DEMİRCİ

    Doktora

    Türkçe

    Türkçe

    2024

    BankacılıkNecmettin Erbakan Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. HÜSEYİN ÇETİN

  4. Çatı üstü fotovoltaik santraller için yapay zeka tabanlı enerji üretim tahmini

    Artficial intelligence – based energy generation estimating for rooftop photovoltaic plants

    AGHASALIM GULIYEV

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilim ve TeknolojiBursa Teknik Üniversitesi

    Akıllı Sistemler Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖMER FARUK EFE

  5. Sınıflandırma yöntemlerinin performansının üretilmiş ve gerçek veri setleri kullanılarak incelenmesi

    Analyzing the performance of classification methods using generated and real datasets

    ÇİĞDEM KADAİFÇİ YANMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. EYLEM DENİZ HOWE