Die Einführung der Quantentheorie (QT) bietet einen einheitlichen mathematischen Rahmen für Information Retrieval (IR). Im Vergleich zum klassischen IR-Rahmen basiert der quanteninspirierte IR-Rahmen auf nutzerzentrierten Modellierungsmethoden, um nicht-klassische kognitive Phänomene bei der menschlichen Relevanzbeurteilung im IR-Prozess zu modellieren. Mit der Zunahme der Daten- und Computerressourcen wurden neuronale IR-Methoden auf den Textabgleich und das Textverständnis im IR angewandt. Neuronale Netze haben eine starke Lernfähigkeit zur effektiven Repräsentation und Generalisierung von Matching-Mustern aus Rohdaten.
Diese Monographie bietet eine systematische Einführung in quanteninspiriertes neuronales IR, einschließlich quanteninspirierter neuronaler Sprachrepräsentation, -abgleich und -verständnis. Die bereichsübergreifende Forschung zu QT, neuronalen Netzen und IR ist nicht nur für die Modellierung nicht-klassischer Phänomene im IR hilfreich, sondern auch, um den theoretischen Engpass neuronaler Netze zu überwinden und transparentere neuronale IR-Modelle zu entwickeln.
Die Autoren stellen zunächst die auf QT basierende Sprachrepräsentationsmethode vor. Zweitens stellen sie das quanteninspirierte Textabgleichs- und Entscheidungsfindungsmodell unter Verwendung eines neuronalen Netzes vor, das seine theoretischen Vorteile beim Dokumenten-Ranking, beim Relevanzabgleich und beim multimodalen IR zeigt und mit dem neuronalen Netz integriert werden kann, um die Entwicklung des IR gemeinsam voranzutreiben. Schließlich werden die neuesten Fortschritte im Bereich des Quanten-Sprachverständnisses vorgestellt, und weitere Themen zu QT und Sprachmodellierung bieten dem Leser weitere Denkanstöße.
| ISBN: | 9781638282044 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
