Although context itself is by defin

Although context itself is by definition user- dependent, it is possible to approximately describe a specific situation by selecting best-matching predefined concepts, that are themselves independent of any specific user. A concept in this respect might range from a subject description (e.g. Mu- sic) to geographical and temporal information (e.g. Netherlands, 16th century).

Examples for this approach can be found among others in last years’ HARD track. Along with the query, a set of meta-data items characterized the context of each specific information need. Since the meta-data was structured in categories restricted to certain set of predefined items, it was in theory possible to build stable and sound models to classify documents according to each of these concepts.

Following this approach of context modeling, it needs to be explained where the additional context metadata comes from. Whereas Belkin et al. [4] preferred to think of it as derived by automatic context-detection from the users’ behavior, He and Demner-Fushman [7] described the collecting of contextual information in a framework of explicit negotiation between the search-system and user. Further experiments in this area are presented in [10]. The authors tried to employ a conceptual hierarchy of subjects, as established by the “open directory project” [1] or “Yahoo” [2], as contextual models. In a first experiment, queries were compared to these concepts and the best matching subjects were displayed to the user for explicit selection. In order to avoid this negotiation process, long-term user profiles were introduced for automatic derivation of matching subjects, which cluster the former interests of the user in suitable groups. However, these user-dependent models suffer from the same limitations as mentioned above.

Although the question is not answered satisfyingly, how automatic context detection can be performed, user-independent context modeling comes up with a good deal of advantages:

Kết quả (Việt) 1:

Mặc dù ngữ cảnh chính nó là do định nghĩa phụ thuộc vào người sử dụng, nó có thể khoảng mô tả một tình hình cụ thể bằng cách chọn chạy nhất kết hợp khái niệm được xác định trước, mà là độc lập của bất kỳ người dùng cụ thể. Một khái niệm mặt này có thể dao động từ một mô tả chủ đề (ví dụ như Mu - sic) thông tin địa lý và thời gian (ví dụ như Hà Lan, thế kỷ 16).Ví dụ cho cách tiếp cận này có thể được tìm thấy trong số những người khác trong năm qua khó theo dõi. Cùng với các truy vấn, một tập hợp các dữ liệu meta mục đặc trưng bối cảnh của mỗi cần thông tin cụ thể. Kể từ khi các dữ liệu meta cấu trúc trong thể loại bị giới hạn đến một số tập hợp các mục được xác định trước, nó là trong lý thuyết có thể xây dựng mô hình ổn định và âm thanh để phân loại các tài liệu theo mỗi người trong số những khái niệm này.Sau cách tiếp cận này bối cảnh mô hình, nó cần phải được giải thích các siêu dữ liệu bổ sung bối cảnh đến từ đâu. Trong khi Belkin et al. [4] ưa thích để suy nghĩ của nó như bối cảnh tự động phát hiện bắt nguồn từ hành vi của người dùng, ông và Demner-Fushman [7] mô tả thu thập thông tin theo ngữ cảnh trong khuôn khổ một rõ ràng đàm phán giữa hệ thống tìm kiếm và sử dụng. Các thí nghiệm tiếp tục trong lĩnh vực này được trình bày trong [10]. Các tác giả đã cố gắng sử dụng một hệ thống phân cấp khái niệm của đối tượng, như thiết lập bởi "dự án thư viện mở" [1] hay "Yahoo" [2], như mô hình theo ngữ cảnh. Trong một thử nghiệm đầu tiên, truy vấn được so sánh với những khái niệm và tốt nhất phù hợp với đối tượng được hiển thị cho người dùng cho rõ ràng lựa chọn. Để tránh quá trình đàm phán này, Hồ sơ người dùng lâu dài đã được giới thiệu cho tự động lấy đạo hàm của các đối tượng phù hợp, nhóm lợi ích cũ của người sử dụng trong các nhóm thích hợp. Tuy nhiên, các mô hình này phụ thuộc vào người dùng bị hạn chế tương tự như đã đề cập ở trên.Mặc dù các câu hỏi chưa được trả lời satisfyingly, làm thế nào phát hiện tự động bối cảnh có thể được thực hiện, bối cảnh độc lập sử dụng mô hình đi kèm với nhiều lợi thế:

Kết quả (Việt) 2:

Mặc dù bối cảnh chính là theo định nghĩa user- phụ thuộc, có thể xấp xỉ mô tả một tình huống cụ thể bằng cách lựa chọn tốt nhất phù hợp với các khái niệm, định nghĩa trước, mà chính họ là người độc lập của bất kỳ người sử dụng cụ thể. Một khái niệm trong lĩnh vực này có thể dao động từ một mô tả đối tượng (ví dụ như Mu- sic) để thông tin địa lý và thời gian (ví dụ như Hà Lan, thế kỷ 16). Ví dụ cho cách tiếp cận này có thể được tìm thấy trong số những người khác trong track HARD năm ngoái. Cùng với các truy vấn, một số mặt hàng siêu dữ liệu mô tả bối cảnh của từng nhu cầu thông tin cụ thể. Kể từ khi siêu dữ liệu được cấu trúc trong danh mục hạn chế để tập hợp một số mặt hàng được xác định trước, đó là trên lý thuyết có thể xây dựng mô hình ổn định và âm thanh để phân loại tài liệu theo từng khái niệm. Sau Cách tiếp cận này của mô hình bối cảnh, nó cần phải được giải thích nơi mà các siêu dữ liệu ngữ cảnh bổ sung đến từ. Trong khi đó, Belkin et al. [4] ưa thích nghĩ về nó như là nguồn gốc của tự động ngữ cảnh phát từ hành vi của người sử dụng, Ông và Demner-Fushman [7] đã mô tả việc tập hợp các thông tin theo ngữ cảnh trong một khuôn khổ đàm phán rõ ràng giữa việc tìm kiếm hệ thống và người dùng. Các thí nghiệm khác trong lĩnh vực này được trình bày trong [10]. Các tác giả đã cố gắng sử dụng một hệ thống phân cấp khái niệm của các đối tượng, như thành lập bởi các "dự án mở thư mục" [1] hay "Yahoo" [2], như mô hình theo ngữ cảnh. Trong một thí nghiệm đầu tiên, các truy vấn được so sánh với các khái niệm và các đối tượng phù hợp nhất đã được hiển thị để người dùng lựa chọn rõ ràng. Để tránh quá trình đàm phán này, hồ sơ người dùng lâu dài đã được giới thiệu để tự động dẫn xuất của các đối tượng phù hợp, trong đó cụm lợi ích trước đây của người dùng trong nhóm thích hợp. Tuy nhiên, các mô hình sử dụng phụ thuộc bị các giới hạn tương tự như đã đề cập ở trên. Mặc dù các câu hỏi không được trả lời satisfyingly, làm thế nào tự động bối cảnh phát hiện có thể được thực hiện, sử dụng độc lập mô hình bối cảnh đi kèm với một thỏa thuận tốt lợi thế: