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
- Tez No: 463538
- Danışmanlar: YRD. DOÇ. DR. İSMAİL SENGÖR ALTINGÖVDE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
DOÇ. DR. TEVFİK AYTEKİN
- Türkçe metinlerde duygu analizi
Sentiment analysis in Turkish texts
CUMALİ TÜRKMENOĞLU
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ
- 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
2024
BankacılıkNecmettin Erbakan Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. HÜSEYİN ÇETİN
- 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
2024
Bilim ve TeknolojiBursa Teknik ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER FARUK EFE
- 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
2024
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. EYLEM DENİZ HOWE