NLP - การดึงข้อมูล

การดึงข้อมูล (IR) อาจถูกกำหนดให้เป็นโปรแกรมซอฟต์แวร์ที่เกี่ยวข้องกับองค์กรการจัดเก็บการค้นคืนและการประเมินข้อมูลจากที่เก็บเอกสารโดยเฉพาะข้อมูลที่เป็นข้อความ ระบบช่วยเหลือผู้ใช้ในการค้นหาข้อมูลที่ต้องการ แต่ไม่ได้ส่งคืนคำตอบของคำถามอย่างชัดเจน จะแจ้งการมีอยู่และตำแหน่งของเอกสารที่อาจประกอบด้วยข้อมูลที่จำเป็น เอกสารที่ตรงตามความต้องการของผู้ใช้เรียกว่าเอกสารที่เกี่ยวข้อง ระบบ IR ที่สมบูรณ์แบบจะดึงเฉพาะเอกสารที่เกี่ยวข้อง

ด้วยความช่วยเหลือของแผนภาพต่อไปนี้เราสามารถเข้าใจกระบวนการดึงข้อมูล (IR) -

จากแผนภาพข้างต้นเห็นได้ชัดว่าผู้ใช้ที่ต้องการข้อมูลจะต้องกำหนดคำขอในรูปแบบของแบบสอบถามในภาษาธรรมชาติ จากนั้นระบบ IR จะตอบสนองโดยการดึงเอาท์พุทที่เกี่ยวข้องในรูปแบบเอกสารเกี่ยวกับข้อมูลที่ต้องการ

ปัญหาคลาสสิกในระบบการดึงข้อมูล (IR)

เป้าหมายหลักของการวิจัย IR คือการพัฒนาแบบจำลองสำหรับการดึงข้อมูลจากที่เก็บของเอกสาร ที่นี่เราจะพูดถึงปัญหาคลาสสิกชื่อad-hoc retrieval problemเกี่ยวข้องกับระบบ IR

ในการดึงข้อมูลแบบเฉพาะกิจผู้ใช้ต้องป้อนคำค้นหาในภาษาธรรมชาติที่อธิบายข้อมูลที่ต้องการ จากนั้นระบบ IR จะส่งคืนเอกสารที่จำเป็นที่เกี่ยวข้องกับข้อมูลที่ต้องการ ตัวอย่างเช่นสมมติว่าเรากำลังค้นหาบางอย่างบนอินเทอร์เน็ตและมีบางหน้าที่เกี่ยวข้องตามข้อกำหนดของเรา แต่อาจมีบางหน้าที่ไม่เกี่ยวข้องด้วย สาเหตุนี้เกิดจากปัญหาการดึงข้อมูลเฉพาะกิจ

ลักษณะของ Ad-hoc Retrieval

ต่อไปนี้เป็นลักษณะบางประการของการดึงข้อมูลเฉพาะกิจที่กล่าวถึงในการวิจัย IR -

  • ผู้ใช้ที่ได้รับความช่วยเหลือจากข้อเสนอแนะเกี่ยวกับความเกี่ยวข้องสามารถปรับปรุงการกำหนดแบบสอบถามดั้งเดิมได้อย่างไร

  • วิธีการใช้การรวมฐานข้อมูลกล่าวคือผลลัพธ์จากฐานข้อมูลข้อความที่แตกต่างกันสามารถรวมเป็นชุดผลลัพธ์เดียวได้อย่างไร

  • วิธีจัดการกับข้อมูลที่เสียหายบางส่วน? รุ่นใดที่เหมาะสมสำหรับรุ่นเดียวกัน?

แบบจำลองการดึงข้อมูล (IR)

ในทางคณิตศาสตร์แบบจำลองถูกนำไปใช้ในพื้นที่ทางวิทยาศาสตร์หลายแห่งโดยมีวัตถุประสงค์เพื่อทำความเข้าใจปรากฏการณ์บางอย่างในโลกแห่งความเป็นจริง แบบจำลองการดึงข้อมูลคาดการณ์และอธิบายสิ่งที่ผู้ใช้จะพบในความเกี่ยวข้องกับข้อความค้นหาที่กำหนด แบบจำลอง IR เป็นรูปแบบที่กำหนดลักษณะดังกล่าวข้างต้นของขั้นตอนการดึงข้อมูลและประกอบด้วยสิ่งต่อไปนี้ -

  • แบบจำลองสำหรับเอกสาร

  • แบบจำลองสำหรับการสืบค้น

  • ฟังก์ชันการจับคู่ที่เปรียบเทียบคิวรีกับเอกสาร

ในทางคณิตศาสตร์แบบจำลองการค้นคืนประกอบด้วย -

D - การเป็นตัวแทนสำหรับเอกสาร

R - การเป็นตัวแทนสำหรับการสอบถาม

F - กรอบการสร้างแบบจำลองสำหรับ D, Q พร้อมกับความสัมพันธ์ระหว่างกัน

R (q,di)- ฟังก์ชั่นความคล้ายคลึงกันซึ่งสั่งซื้อเอกสารที่เกี่ยวข้องกับแบบสอบถาม เรียกอีกอย่างว่าการจัดอันดับ

ประเภทของแบบจำลองการดึงข้อมูล (IR)

แบบจำลองข้อมูล (IR) สามารถแบ่งออกเป็นสามรุ่นดังต่อไปนี้ -

โมเดล IR แบบคลาสสิก

เป็นโมเดล IR ที่ง่ายและสะดวกที่สุด แบบจำลองนี้ขึ้นอยู่กับความรู้ทางคณิตศาสตร์ที่จดจำและเข้าใจได้ง่ายเช่นกัน Boolean, Vector และ Probabilistic เป็นโมเดล IR แบบคลาสสิกสามแบบ

แบบจำลอง IR ที่ไม่ใช่คลาสสิก

ตรงข้ามกับโมเดล IR แบบคลาสสิกอย่างสิ้นเชิง แบบจำลอง IR ประเภทนี้ตั้งอยู่บนหลักการอื่นที่ไม่ใช่ความคล้ายคลึงความน่าจะเป็นการดำเนินการแบบบูลีน แบบจำลองตรรกะข้อมูลแบบจำลองทฤษฎีสถานการณ์และแบบจำลองปฏิสัมพันธ์เป็นตัวอย่างของแบบจำลอง IR ที่ไม่ใช่แบบคลาสสิก

แบบจำลอง IR ทางเลือก

เป็นการเพิ่มประสิทธิภาพของโมเดล IR แบบคลาสสิกโดยใช้เทคนิคเฉพาะบางอย่างจากสาขาอื่น ๆ โมเดลคลัสเตอร์แบบจำลองฟัซซีและโมเดลการสร้างดัชนีความหมายแฝง (LSI) เป็นตัวอย่างของโมเดล IR ทางเลือก

คุณสมบัติการออกแบบของระบบการดึงข้อมูล (IR)

ให้เราเรียนรู้เกี่ยวกับคุณสมบัติการออกแบบของระบบ IR -

ดัชนีกลับหัว

โครงสร้างข้อมูลหลักของระบบ IR ส่วนใหญ่อยู่ในรูปของดัชนีกลับหัว เราสามารถกำหนดดัชนีกลับหัวเป็นโครงสร้างข้อมูลที่แสดงรายการสำหรับทุกคำเอกสารทั้งหมดที่มีและความถี่ของการเกิดขึ้นในเอกสาร ทำให้ง่ายต่อการค้นหา 'hit' ของคำค้นหา

หยุดการกำจัดคำ

คำหยุดคือคำที่มีความถี่สูงซึ่งถือว่าไม่น่าจะเป็นประโยชน์สำหรับการค้นหา พวกมันมีน้ำหนักเชิงความหมายน้อยกว่า คำประเภทนี้ทั้งหมดอยู่ในรายการที่เรียกว่ารายการหยุด ตัวอย่างเช่นบทความ“ a”“ an”“ the” และคำบุพบทเช่น“ in”“ of”“ for”“ at” เป็นต้นเป็นตัวอย่างของคำหยุด ขนาดของดัชนีกลับด้านสามารถลดลงได้อย่างมากตามรายการหยุด ตามกฎหมายของ Zipf รายการหยุดที่ครอบคลุมคำสองสามคำจะช่วยลดขนาดของดัชนีกลับด้านได้เกือบครึ่งหนึ่ง ในทางกลับกันบางครั้งการกำจัดคำหยุดอาจทำให้เกิดการกำจัดคำที่เป็นประโยชน์สำหรับการค้นหา ตัวอย่างเช่นถ้าเรากำจัดตัวอักษร“ A” ออกจาก“ วิตามินเอ” ก็จะไม่มีความสำคัญ

Stemming

Stemming เป็นรูปแบบที่เรียบง่ายของการวิเคราะห์สัณฐานวิทยาเป็นกระบวนการฮิวริสติกในการแยกรูปแบบฐานของคำโดยการตัดส่วนท้ายของคำออก ตัวอย่างเช่นคำว่าหัวเราะหัวเราะหัวเราะจะมีต้นกำเนิดมาจากคำว่าหัวเราะ

ในส่วนต่อไปเราจะพูดถึงโมเดล IR ที่สำคัญและมีประโยชน์

แบบจำลองบูลีน

เป็นแบบจำลองการดึงข้อมูล (IR) ที่เก่าแก่ที่สุด แบบจำลองจะขึ้นอยู่กับทฤษฎีเซตและพีชคณิตบูลีนโดยที่เอกสารคือชุดของคำศัพท์และแบบสอบถามคือนิพจน์บูลีนในเงื่อนไข แบบจำลองบูลีนสามารถกำหนดเป็น -

  • D- ชุดคำกล่าวคือเงื่อนไขการจัดทำดัชนีที่มีอยู่ในเอกสาร ในที่นี้แต่ละคำจะมีอยู่ (1) หรือไม่มีอยู่ (0)

  • Q - นิพจน์บูลีนโดยที่เงื่อนไขเป็นเงื่อนไขดัชนีและตัวดำเนินการเป็นผลิตภัณฑ์เชิงตรรกะ - และผลรวมตรรกะ - หรือและความแตกต่างทางตรรกะ - ไม่ใช่

  • F - พีชคณิตบูลีนเหนือชุดของคำศัพท์และชุดเอกสาร

    หากเราพูดถึงความคิดเห็นเกี่ยวกับความเกี่ยวข้องดังนั้นในโมเดล Boolean IR การทำนายความเกี่ยวข้องสามารถกำหนดได้ดังนี้ -

  • R - เอกสารถูกคาดการณ์ว่าเกี่ยวข้องกับนิพจน์เคียวรีก็ต่อเมื่อมันตรงตามนิพจน์เคียวรีเป็น -

((˅) ˄ ˄ ˜ ℎ)

เราสามารถอธิบายโมเดลนี้โดยใช้คำค้นหาเป็นคำจำกัดความที่ชัดเจนของชุดเอกสาร

ตัวอย่างเช่นคำค้นหา “economic” กำหนดชุดเอกสารที่จัดทำดัชนีด้วยคำศัพท์ “economic”.

ตอนนี้ผลลัพธ์จะเป็นอย่างไรหลังจากรวมเงื่อนไขกับบูลีนและตัวดำเนินการ จะกำหนดชุดเอกสารที่มีขนาดเล็กกว่าหรือเท่ากับชุดเอกสารของคำศัพท์ใดคำหนึ่ง ตัวอย่างเช่นแบบสอบถามที่มีเงื่อนไข“social” และ “economic”จะจัดทำชุดเอกสารที่จัดทำดัชนีด้วยเงื่อนไขทั้งสอง กล่าวอีกนัยหนึ่งคือชุดเอกสารที่มีจุดตัดของทั้งสองชุด

ตอนนี้ผลลัพธ์จะเป็นอย่างไรหลังจากรวมเงื่อนไขกับตัวดำเนินการบูลีน OR? จะกำหนดชุดเอกสารที่ใหญ่กว่าหรือเท่ากับชุดเอกสารของคำศัพท์ใดคำหนึ่ง ตัวอย่างเช่นแบบสอบถามที่มีเงื่อนไข“social” หรือ “economic” จะจัดทำชุดเอกสารที่จัดทำดัชนีด้วยคำศัพท์อย่างใดอย่างหนึ่ง “social” หรือ “economic”. กล่าวอีกนัยหนึ่งคือชุดเอกสารที่มีการรวมกันของทั้งสองชุด

ข้อดีของโหมดบูลีน

ข้อดีของแบบจำลองบูลีนมีดังนี้ -

  • โมเดลที่ง่ายที่สุดซึ่งเป็นไปตามชุด

  • ง่ายต่อการเข้าใจและนำไปใช้

  • จะดึงข้อมูลที่ตรงกันเท่านั้น

  • ช่วยให้ผู้ใช้มีความรู้สึกในการควบคุมระบบ

ข้อเสียของแบบจำลองบูลีน

ข้อเสียของแบบจำลองบูลีนมีดังนี้ -

  • ฟังก์ชันความคล้ายคลึงกันของโมเดลคือบูลีน ดังนั้นจะไม่มีการจับคู่บางส่วน อาจเป็นเรื่องที่น่ารำคาญสำหรับผู้ใช้

  • ในโมเดลนี้การใช้ตัวดำเนินการแบบบูลีนมีอิทธิพลมากกว่าคำที่สำคัญ

  • ภาษาของแบบสอบถามเป็นภาษาที่แสดงออก แต่ก็ซับซ้อนเช่นกัน

  • ไม่มีการจัดอันดับสำหรับเอกสารที่เรียกค้น

แบบจำลองอวกาศเวกเตอร์

เนื่องจากข้อเสียข้างต้นของแบบจำลองบูลีน Gerard Salton และเพื่อนร่วมงานของเขาจึงแนะนำแบบจำลองซึ่งเป็นไปตามเกณฑ์ความคล้ายคลึงกันของ Luhn เกณฑ์ความคล้ายคลึงกันที่กำหนดโดยรัฐ Luhn“ ยิ่งมีการแสดงสองรายการที่ตกลงกันในองค์ประกอบที่กำหนดและการแจกแจงของพวกมันมากเท่าไหร่ความน่าจะเป็นที่จะแสดงข้อมูลที่คล้ายกันก็จะยิ่งสูงขึ้นเท่านั้น”

พิจารณาประเด็นสำคัญต่อไปนี้เพื่อทำความเข้าใจเพิ่มเติมเกี่ยวกับ Vector Space Model -

  • การแสดงดัชนี (เอกสาร) และแบบสอบถามถือเป็นเวกเตอร์ที่ฝังอยู่ในช่องว่างแบบยุคลิดที่มีมิติสูง

  • การวัดความคล้ายคลึงกันของเวกเตอร์เอกสารกับเวกเตอร์แบบสอบถามมักเป็นโคไซน์ของมุมระหว่างทั้งสอง

สูตรการวัดความคล้ายคลึงกันของโคไซน์

โคไซน์เป็นผลิตภัณฑ์ดอทปกติซึ่งสามารถคำนวณได้ด้วยสูตรต่อไปนี้ -

$$ คะแนน \ lgroup \ vec {d} \ vec {q} \ rgroup = \ frac {\ sum_ {k = 1} ^ m d_ {k} \ :. q_ {k}} {\ sqrt {\ sum_ {k = 1} ^ m \ lgroup d_ {k} \ rgroup ^ 2} \:. \ sqrt {\ sum_ {k = 1} ^ m} m \ lgroup q_ {k} \ rgroup ^ 2} $$

$$ คะแนน \ lgroup \ vec {d} \ vec {q} \ rgroup = 1 \: เมื่อ \: d = q $$

$$ Score \ lgroup \ vec {d} \ vec {q} \ rgroup = 0 \: when \: d \: and \: q \: share \: no \: items $$

การแสดงพื้นที่เวกเตอร์ด้วยแบบสอบถามและเอกสาร

แบบสอบถามและเอกสารแสดงด้วยช่องว่างเวกเตอร์สองมิติ เงื่อนไขคือcar และ insurance. มีแบบสอบถามหนึ่งรายการและเอกสารสามฉบับในพื้นที่เวกเตอร์

เอกสารที่ได้รับการจัดอันดับสูงสุดตามเงื่อนไขรถยนต์และประกันภัยจะเป็นเอกสาร d2 เพราะมุมระหว่าง q และ d2มีขนาดเล็กที่สุด เหตุผลเบื้องหลังก็คือทั้งแนวคิดรถยนต์และการประกันภัยมีความสำคัญใน d 2และด้วยเหตุนี้จึงมีน้ำหนักที่สูง ในอีกด้านหนึ่งd1 และ d3 นอกจากนี้ยังกล่าวถึงทั้งสองคำ แต่ในแต่ละกรณีหนึ่งในนั้นไม่ใช่คำที่สำคัญส่วนกลางในเอกสาร

การถ่วงน้ำหนักระยะ

การถ่วงน้ำหนักระยะหมายถึงน้ำหนักของเงื่อนไขในปริภูมิเวกเตอร์ ค่าน้ำหนักของเทอมที่สูงขึ้นผลกระทบของคำที่มีต่อโคไซน์จะมากขึ้น ควรกำหนดน้ำหนักเพิ่มเติมให้กับเงื่อนไขที่สำคัญกว่าในแบบจำลอง ตอนนี้คำถามที่เกิดขึ้นคือเราจะจำลองสิ่งนี้ได้อย่างไร

วิธีหนึ่งที่จะทำได้คือการนับจำนวนคำในเอกสารเป็นน้ำหนักคำศัพท์ อย่างไรก็ตามคุณคิดว่ามันจะเป็นวิธีที่มีประสิทธิภาพหรือไม่?

อีกวิธีหนึ่งซึ่งได้ผลดีกว่าคือการใช้ term frequency (tfij), document frequency (dfi) และ collection frequency (cfi).

ระยะความถี่ (tf ij )

อาจกำหนดเป็นจำนวนครั้งที่เกิดขึ้น wi ใน dj. ข้อมูลที่ถูกจับโดยความถี่ของคำคือความสำคัญของคำที่อยู่ในเอกสารที่กำหนดหรือกล่าวอีกนัยหนึ่งเราสามารถพูดได้ว่ายิ่งความถี่ของคำสูงขึ้นเท่าใดคำนั้นก็เป็นคำอธิบายที่ดีของเนื้อหาของเอกสารนั้น

ความถี่เอกสาร (df i )

มันอาจจะถูกกำหนดเป็นจำนวนรวมของเอกสารในคอลเลกชันที่ W ผมเกิดขึ้น มันเป็นตัวบ่งชี้ของการให้ข้อมูล คำที่เน้นความหมายจะเกิดขึ้นหลายครั้งในเอกสารซึ่งแตกต่างจากคำที่ไม่เน้นความหมาย

ความถี่ในการรวบรวม (cf i )

อาจกำหนดเป็นจำนวนครั้งทั้งหมดของ wi ในคอลเลกชัน

ในทางคณิตศาสตร์ $ df_ {i} \ leq cf_ {i} \: and \: \ sum_ {j} tf_ {ij} = cf_ {i} $

รูปแบบของการถ่วงน้ำหนักความถี่เอกสาร

ตอนนี้ให้เราเรียนรู้เกี่ยวกับการถ่วงน้ำหนักความถี่เอกสารในรูปแบบต่างๆ แบบฟอร์มอธิบายไว้ด้านล่าง -

ปัจจัยความถี่ระยะ

นี้ยังจัดเป็นปัจจัยความถี่ระยะซึ่งหมายความว่าถ้าคำ t มักปรากฏในเอกสารจากนั้นแบบสอบถามที่มี tควรเรียกคืนเอกสารนั้น เราสามารถรวมคำterm frequency (tfij) และ document frequency (dfi) เป็นน้ำหนักเดียวดังนี้ -

$$ weight \ left (i, j \ right) = \ begin {cases} (1 + log (tf_ {ij})) log \ frac {N} {df_ {i}} \: if \: tf_ {i, j} \: \ geq1 \\ 0 \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \ : \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: if \: tf_ {i, j} \: = 0 \ end {กรณี } $$

นี่ N คือจำนวนเอกสารทั้งหมด

ความถี่เอกสารผกผัน (idf)

นี่เป็นอีกรูปแบบหนึ่งของการถ่วงน้ำหนักความถี่เอกสารและมักเรียกว่าการถ่วงน้ำหนัก idf หรือการถ่วงน้ำหนักความถี่เอกสารผกผัน จุดสำคัญของการให้น้ำหนัก idf คือความขาดแคลนของคำในคอลเลกชันเป็นการวัดความสำคัญและความสำคัญเป็นสัดส่วนผกผันกับความถี่ของการเกิดขึ้น

ในทางคณิตศาสตร์

$$ idf_ {t} = log \ left (1+ \ frac {N} {n_ {t}} \ right) $$

$$ idf_ {t} = log \ left (\ frac {N-n_ {t}} {n_ {t}} \ right) $$

ที่นี่

N = เอกสารในคอลเลกชัน

n t = เอกสารที่มีคำศัพท์t

การปรับปรุงการค้นหาของผู้ใช้

เป้าหมายหลักของระบบการดึงข้อมูลใด ๆ ต้องมีความถูกต้อง - เพื่อจัดทำเอกสารที่เกี่ยวข้องตามความต้องการของผู้ใช้ อย่างไรก็ตามคำถามที่เกิดขึ้นที่นี่คือเราจะปรับปรุงผลลัพธ์ได้อย่างไรโดยการปรับปรุงรูปแบบการสร้างแบบสอบถามของผู้ใช้ แน่นอนว่าเอาต์พุตของระบบ IR นั้นขึ้นอยู่กับการสืบค้นของผู้ใช้และแบบสอบถามที่มีรูปแบบดีจะให้ผลลัพธ์ที่แม่นยำยิ่งขึ้น ผู้ใช้สามารถปรับปรุงแบบสอบถามของตนได้ด้วยความช่วยเหลือของrelevance feedbackสิ่งสำคัญของโมเดล IR ใด ๆ

ความคิดเห็นเกี่ยวกับความเกี่ยวข้อง

ข้อเสนอแนะเกี่ยวกับความเกี่ยวข้องรับเอาท์พุทที่ส่งคืนเริ่มต้นจากแบบสอบถามที่กำหนด เอาต์พุตเริ่มต้นนี้สามารถใช้เพื่อรวบรวมข้อมูลผู้ใช้และเพื่อทราบว่าเอาต์พุตนั้นเกี่ยวข้องกับการดำเนินการสืบค้นใหม่หรือไม่ ผลตอบรับสามารถจำแนกได้ดังนี้ -

ข้อเสนอแนะที่ชัดเจน

อาจนิยามได้ว่าเป็นข้อมูลย้อนกลับที่ได้รับจากผู้ประเมินความเกี่ยวข้อง ผู้ประเมินเหล่านี้จะระบุถึงความเกี่ยวข้องของเอกสารที่ดึงมาจากแบบสอบถาม ในการปรับปรุงประสิทธิภาพการเรียกข้อมูลการสืบค้นข้อมูลความคิดเห็นที่เกี่ยวข้องจะต้องถูกสอดแทรกกับข้อความค้นหาเดิม

ผู้ประเมินหรือผู้ใช้อื่น ๆ ของระบบอาจระบุความเกี่ยวข้องอย่างชัดเจนโดยใช้ระบบความเกี่ยวข้องต่อไปนี้ -

  • Binary relevance system - ระบบตอบรับความเกี่ยวข้องนี้ระบุว่าเอกสารมีความเกี่ยวข้อง (1) หรือไม่เกี่ยวข้อง (0) สำหรับข้อความค้นหาที่ระบุ

  • Graded relevance system- ระบบตอบรับความเกี่ยวข้องที่ให้คะแนนจะระบุความเกี่ยวข้องของเอกสารสำหรับข้อความค้นหาที่ระบุบนพื้นฐานของการให้คะแนนโดยใช้ตัวเลขตัวอักษรหรือคำอธิบาย คำอธิบายอาจเป็นแบบ "ไม่เกี่ยวข้อง" "ค่อนข้างเกี่ยวข้อง" "เกี่ยวข้องมาก" หรือ "เกี่ยวข้อง"

คำติชมโดยปริยาย

เป็นความคิดเห็นที่อนุมานจากพฤติกรรมของผู้ใช้ ลักษณะการทำงานรวมถึงระยะเวลาที่ผู้ใช้ใช้ในการดูเอกสารเอกสารใดถูกเลือกสำหรับการดูและสิ่งที่ไม่ใช่การเรียกดูหน้าและการดำเนินการเลื่อน ฯลฯ หนึ่งในตัวอย่างที่ดีที่สุดของคำติชมโดยนัยคือdwell timeซึ่งเป็นการวัดระยะเวลาที่ผู้ใช้ดูเพจที่เชื่อมโยงในผลการค้นหา

คำติชมหลอก

เรียกอีกอย่างว่า Blind feedback มีวิธีการสำหรับการวิเคราะห์ในท้องถิ่นโดยอัตโนมัติ ส่วนป้อนกลับความเกี่ยวข้องด้วยตนเองจะดำเนินการโดยอัตโนมัติด้วยความช่วยเหลือของข้อเสนอแนะความเกี่ยวข้องหลอกเพื่อให้ผู้ใช้ได้รับการปรับปรุงประสิทธิภาพการดึงข้อมูลโดยไม่ต้องมีการโต้ตอบเพิ่มเติม ข้อได้เปรียบหลักของระบบป้อนกลับนี้คือไม่ต้องการผู้ประเมินเช่นในระบบตอบรับที่เกี่ยวข้องอย่างชัดเจน

พิจารณาขั้นตอนต่อไปนี้เพื่อใช้คำติชมนี้ -

  • Step 1- ขั้นแรกต้องนำผลลัพธ์ที่ส่งคืนโดยแบบสอบถามเริ่มต้นเป็นผลลัพธ์ที่เกี่ยวข้อง ช่วงของผลลัพธ์ที่เกี่ยวข้องต้องอยู่ในผลลัพธ์ 10-50 อันดับแรก

  • Step 2 - ตอนนี้ให้เลือกคำศัพท์ 20-30 อันดับแรกจากเอกสารโดยใช้เช่นระยะความถี่ (tf) - ความถี่เอกสารทางตรงกันข้าม (idf) น้ำหนัก

  • Step 3- เพิ่มเงื่อนไขเหล่านี้ในแบบสอบถามและจับคู่เอกสารที่ส่งคืน จากนั้นส่งคืนเอกสารที่เกี่ยวข้องมากที่สุด