توضیحاتی در مورد کتاب :
به زبان ساده و بدون پیچیدگی، و با استفاده از مثالهای دقیق برای توضیح مفاهیم، مدلها و الگوریتمهای کلیدی در رتبهبندی جستجوی عمودی، Relevance Ranking for Vertical Search Engines به خوانندگان میآموزد که چگونه الگوریتمهای رتبهبندی را دستکاری کنند تا به نتایج بهتری در برنامههای کاربردی دنیای واقعی دست یابند. این کتاب مرجع برای متخصصان، مفاهیم و نظریهها را از پایه تا پیشرفته، مانند ارتباط، قصد پرس و جو، رتبهبندی ارتباط مبتنی بر مکان، و رتبهبندی بین اموال، پوشش میدهد. این آخرین پیشرفتها در برنامههای رتبهبندی جستجوی عمودی، مانند نظریه ارتباط مبتنی بر تازگی برای برنامههای جستجوی جدید، نظریه ارتباط مبتنی بر مکان برای برنامههای جستجوی محلی، و نظریه رتبهبندی متقابل دارایی برای برنامههایی که شامل چندین عمودی است را پوشش میدهد.
فهرست مطالب :
Content:
Relevance Ranking for Vertical Search Engines, Page i
Relevance Ranking for Vertical Search Engines, Page iii
Copyright, Page iv
List of Tables, Pages ix-xi
List of Figures, Pages xiii-xvi
About the Editors, Page xvii
List of Contributors, Pages xix-xx
Foreword, Pages xxi-xxiii
Chapter 1 - Introduction, Pages 1-5
Chapter 2 - News Search Ranking, Pages 7-42
Chapter 3 - Medical Domain Search Ranking, Pages 43-58
Chapter 4 - Visual Search Ranking, Pages 59-80
Chapter 5 - Mobile Search Ranking, Pages 81-105
Chapter 6 - Entity Ranking, Pages 107-125
Chapter 7 - Multi-Aspect Relevance Ranking, Pages 127-145
Chapter 8 - Aggregated Vertical Search, Pages 147-180
Chapter 9 - Cross-Vertical Search Ranking, Pages 181-200
References, Pages 201-221
Author Index, Pages 223-231
Subject Index, Pages 233-239
توضیحاتی در مورد کتاب به زبان اصلی :
In plain, uncomplicated language, and using detailed examples to explain the key concepts, models, and algorithms in vertical search ranking, Relevance Ranking for Vertical Search Engines teaches readers how to manipulate ranking algorithms to achieve better results in real-world applications. This reference book for professionals covers concepts and theories from the fundamental to the advanced, such as relevance, query intention, location-based relevance ranking, and cross-property ranking. It covers the most recent developments in vertical search ranking applications, such as freshness-based relevance theory for new search applications, location-based relevance theory for local search applications, and cross-property ranking theory for applications involving multiple verticals.