De l'apprentissage d'ordonnancement à l'adaptation au contexte (notice n° 402286)

détails MARC
000 -LEADER
fixed length control field 02355cam a2200313 4500500
005 - DATE AND TIME OF LATEST TRANSACTION
control field 20250119075247.0
041 ## - LANGUAGE CODE
Language code of text/sound track or separate title fre
042 ## - AUTHENTICATION CODE
Authentication code dc
100 10 - MAIN ENTRY--PERSONAL NAME
Personal name Laporte, Léa
Relator term author
245 00 - TITLE STATEMENT
Title De l'apprentissage d'ordonnancement à l'adaptation au contexte
260 ## - PUBLICATION, DISTRIBUTION, ETC.
Date of publication, distribution, etc. 2013.<br/>
500 ## - GENERAL NOTE
General note 51
520 ## - SUMMARY, ETC.
Summary, etc. Les moteurs de recherche géoréférencés utilisent des algorithmes d’ordonnancement complexes, prenant en compte le contexte d’utilisation, l’e-reputation et les réseaux sociaux, pour classer pertinemment les lieux vis-à-vis d’une requête. Or, comprendre les critères de sélection des utilisateurs et d’ordonnancement des moteurs est crucial pour les entreprises. Nous présentons le principe de l’optimisation de l’ordonnancement sur les moteurs de recherche et les approches et algorithmes existants. Nous montrons qu’ils sont limités et non adaptés au géoréférencement. Nous proposons une amélioration de l’évaluation de la pertinence et une méthodologie d’adaptation aux requêtes utilisant la sélection de variables embarquée.
520 ## - SUMMARY, ETC.
Summary, etc. Local search engines use complex learning to rank algorithms to rank places according to a query by taking into account the user environment, the places e-reputation and social networks information. In parallel, the understanding of how users search or which criteria are used to rank results become a key issue for companies. In this paper, we present an overview of existing learning to rank approaches and algorithms. We show that these approaches may not be accurate when dealing with local data. We propose new methods to evaluate relevance and to adapt ranking to queries by using an embedded feature selection algorithm.
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element ordonnancement
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element sélection de variables
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element recherche d'information
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element apprentissage automatique
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element adaptation aux requêtes
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element modèles de pertinence
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element learning to rank
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element query-dependent ranking
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element feature selection
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element information retrieval
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element relevance models
690 ## - LOCAL SUBJECT ADDED ENTRY--TOPICAL TERM (OCLC, RLIN)
Topical term or geographic name as entry element machine learning
786 0# - DATA SOURCE ENTRY
Note Document numérique | 16 | 1 | 2013-05-15 | p. 97-121 | 1279-5127
856 41 - ELECTRONIC LOCATION AND ACCESS
Uniform Resource Identifier <a href="https://shs.cairn.info/revue-document-numerique-2013-1-page-97?lang=fr&redirect-ssocas=7080">https://shs.cairn.info/revue-document-numerique-2013-1-page-97?lang=fr&redirect-ssocas=7080</a>

Pas d'exemplaire disponible.

PLUDOC

PLUDOC est la plateforme unique et centralisée de gestion des bibliothèques physiques et numériques de Guinée administré par le CEDUST. Elle est la plus grande base de données de ressources documentaires pour les Étudiants, Enseignants chercheurs et Chercheurs de Guinée.

Adresse

627 919 101/664 919 101

25 boulevard du commerce
Kaloum, Conakry, Guinée

Réseaux sociaux

Powered by Netsen Group @ 2025