During the discussion of relevance

During the discussion of relevance feedback in Section 9.1.2, we observed
that if we have some known relevant and nonrelevant documents, then we
can straightforwardly start to estimate the probability of a term t appearing
in a relevant document P(t| R = 1), and that this could be the basis of a
classifier that decides whether documents are relevant or not. In this chapter,
we more systematically introduce this probabilistic approach to IR, which
provides a different formal basis for a retrieval model and results in different
techniques for setting term weights

Kết quả (Việt) 1:

Trong các cuộc thảo luận thông tin phản hồi liên quan trong phần 9.1.2, chúng tôi quan sát thấy
rằng nếu chúng tôi có một số tài liệu có liên quan và nonrelevant được biết đến, sau đó chúng tôi
dàng có thể bắt đầu để ước tính xác suất của một thuật ngữ xuất hiện
trong một tài liệu có liên quan P (t| R = 1), và rằng điều này có thể là cơ sở của một
loại quyết định cho dù tài liệu có liên quan hay không. Trong chương này,
chúng tôi có hệ thống hơn giới thiệu phương pháp xác suất IR, mà
cung cấp một cơ sở chính thức khác nhau cho một mô hình thu hồi và kết quả khác nhau
kỹ thuật để thiết lập hạn trọng lượng

Kết quả (Việt) 2:

Trong cuộc thảo luận về thông tin phản hồi liên quan tại mục 9.1.2, chúng tôi quan sát thấy
rằng nếu chúng ta có một số tài liệu có liên quan được biết và nonrelevant, sau đó chúng tôi
có thể thẳng thắn bắt đầu để ước tính xác suất của một t hạn xuất hiện
trong một tài liệu có liên quan P (t | R = 1 ), và điều này có thể là cơ sở của một
phân loại mà quyết định xem tài liệu có liên quan hay không. Trong chương này,
chúng tôi giới thiệu phương pháp tiếp cận có hệ thống hơn xác suất này để IR, trong đó
cung cấp một cơ sở chính thức khác nhau cho một mô hình thu hồi và kết quả khác nhau trong
kỹ thuật để thiết lập trọng lượng hạn