Page Areas:



Current Submenu:

Additional Information:

FAW @ Lange Nacht der Forschung 2016

Lange Nacht der Forschung 2016

Campus map

Campusplan JKU Linz

Our location on campus ...  more of Campus map (Titel)

Softwarepark Hagenberg

Hier den Alternativtext zum Bild eingeben!

Our location on Softwarepark Hagenberg ...  more of Softwarepark Hagenberg (Titel)


Position Indication:

Content

Relevance Feedback in Information Retrieval Systems for Specific Applications

Supervisor(s): A.Univ.-Prof. Dr. Josef Küng , Dipl.-Ing. Dr. Jürgen Palkoska
Student: Stefan Gusenbauer
End: 2006

Abstract(DE)
Diese Arbeit stellt eine Analyse und eine Evaluierung von Relevance Feedback Methoden in Information Retrieval interessant, da es schon seit den siebziger Jahren behandelt wird und heutzutage das Bedürfnis nach Methoden, welche die Suche verbessern und unterstützen, immer größer wird.

Die Arbeit beginnt mit einem theoretischen Überblick über Relevance Feedback und über die Möglichkeiten es implizit oder explizit zu gewinnen. Im Mittelteil wird der Fokus auf die praktische Arbeit gelegt wo das sogenannte "Evaluation Framework" und seine Anforderungen beschrieben werden. Hierbei werden auch die drei implementierten Methoden - Expansion Method, IDE Method und SVM Method - beschrieben, wie sie aufgebaut sind und wie sie benutzt werden. Danach wird die Evaluierung selbst beschrieben, wo unter anderem auf den Testaufbau und den Query Findungsprozess eingegangen wird.

Abschließend wird versucht anhand der Ergebnisse der Evaluierung Schlüsse zu ziehen um neue Erkenntnisse über Relevance Feedback zu gewinnen und dem Leser einen Entscheidungshilfe zu geben, welche Methoden am besten für seine Anforderungen geeignet sein würden. Zusätzlich wird noch ein Ausblick auf sogenannte "intelligentere" Methoden und neue Ansätze im Relevance Feedback gegeben.

Abstract(EN)
This work is intended to be an analysis and an evaluation about relevance feedback methods in information retrieval. This topic is very interesting because it is discussed since the early seventies and the need for relevance feedback is as big as any time before.This work is intended to be an analysis and an evaluation about relevance feedback methods in information retrieval. This topic is very interesting because it is discussed since the early seventies and the need for relevance feedback is as big as any time before.This work is intended to be an analysis and an evaluation about relevance feedback methods in information retrieval. This topic is very interesting because it is discussed since the early seventies and the need for relevance feedback is as big as any time before.

Nowadays the amount of information is getting more and more. Therefore the need for advanced information retrieval methods is evident. The work contains a theoretical overview of the relevance feedback methods and how to gain implicitly orexplicitly relevance feedback. The theoretical overview forms a good background to give then an insight in the practical work of this thesis where the evaluation framework is described. This contains the requirements, the package structure and the implementation details. In this chapter the three implemented methods - the expansion method, the IDE method and the SVM method - are also described. Then the evaluation itself is discussed. It contains amongst other things the query finding process and the test setting. The evaluation of the methods gives the reader the ability to compare the methods in a practical use case because there a user test is conducted on the three implemented methods.

Last but not least a conclusion about the results will be drawn and some insights in further work will be given. The conclusion should give the reader a decision aid which relevance feedback method to use for specific applications based on the results of the evaluation. Additionally a preview to other so-called new or higher sophisticated relevance feedback approaches is given.