Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
The Knowledge Increase Estimation Framework for Ontology Integration on the Instance Level Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

A Method for User Profile Learning in Document Retrieval System Using Bayesian Network

verfasst von : Bernadetta Maleszka

Erschienen in: Intelligent Information and Database Systems

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

User modeling methods are developed by many researches in area of document retrieval systems. The main reason is that the system can not present the same results for every user. Each user can have different information needs even if he uses the same terms to formulate his query. In this paper we present the solution for the problem. We propose a method for user profile building and updating using Bayesian network approaches which allows to discover dependencies between terms. Additionally, we use domain ontology of terms to simplify the calculations. Performed experiments have shown that the quality of presented methods is promising.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Hybrid Method for Named Entity Recognition on Tweet Streams
Nächstes Kapitel Answering Temporal Analytic Queries over Big Data Based on Precomputing Architecture
Literatur
1.
Bottcher, S.G., Dethlefsen, C.: Learning Bayesian networks with R. In: Proceedings of the 3rd International Workshop on Distributed Statistical Computing (DSC 2003) (2003)
2.
3.
De Roure, D., Hall, W., Reich, S., Hill, G., Pikrakis, A., Stairmand, M.: MEMOIR - an open framework for enhanced navigation of distributed information. Inf. Process. Manage. 37, 53–74 (2001)CrossRefMATH
4.
Devitt, A., Danev, B., Matusikova, K.: Ontology-driven automatic construction of bayesian networks for telecommunication network management (2006)
5.
Fenz, F., Tjoa, M., Hudec, M.: Ontology-based generation of Bayesian networks. In: Proceedings of International Conference on Complex, Intelligent and Software Intensive Systems. IEEE (2009). doi:10.​1109/​CISIS.​2009.​33
6.
Friedman, N., Linial, M., Nachman, I., Pe’er, D.: Using Bayesian networks to analyze expression data. J. Comput. Biol. 7(3/4), 601–620 (2000)CrossRef
7.
Helsper, E.M., van der Gaag, L.C.: Building Bayesian networks through ontologies. In: Proceedings of ECAI European Conference on Artificial Intelligence (2002)
8.
Maleszka, B.: A method for determining representative of ontology-based user profile in personalized document retrieval systems. In: Nguyen, N.T., Trawiński, B., Fujita, H., Hong, T.-P. (eds.) ACIIDS 2016. LNCS (LNAI), vol. 9621, pp. 202–211. Springer, Heidelberg (2016). doi:10.​1007/​978-3-662-49381-6_​20 CrossRef
9.
Margaritis, D.: Learning Bayesian network model structure from data. Ph.D. thesis. School of Computer Science. Carnegie Mellon University (2003)
10.
11.
Middleton, S.E., De Roure, D.C., Shadbolt, N.R.: Capturing knowledge of user preferences: ontologies in recommender systems. In: Proceedings of the 1st International Conference on Knowledge Capture, pp. 100–107 (2001)
12.
Pietranik, M., Nguyen, N.T.: A multi-attribute based framework for ontology aligning. Neurocomputing 146, 276–290 (2014)CrossRef
13.
Schiaffino, S.N., Amandi, A.: User profiling with case-based reasoning and Bayesian networks. In: Proceedings of International Joint Conference IBERAMIA-SBIA, pp. 12–21 (2000)
14.
Sebastiani, F.: Machine learning in automated text categorization. ACM Comput. Surv. 34, 1–47 (2002). Consiglio Nazionale delle Ricerche, ItalyMathSciNetCrossRef
15.
Wong, S.K.M., Butz, C.J.: A Bayesian approach to user profiling in information retrieval. Technol. Lett. 4(1), 50–56 (2000)
16.
Zhang, Y., Koren, J.: Efficient Bayesian hierarchical user modeling for recommendation systems. In: proceedings of SIGIR 2007. ACM 978-1-59593-597-7070007 (2007)
17.
Metadaten
Titel
A Method for User Profile Learning in Document Retrieval System Using Bayesian Network
verfasst von
Bernadetta Maleszka
Copyright-Jahr
2017
Buch
Intelligent Information and Database Systems

Print ISBN: 978-3-319-54471-7

Electronic ISBN: 978-3-319-54472-4

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-54472-4_26

Premium Partner

    Bildnachweise