Informazioni sistemi di recupero ( IR ), il lavoro come strumenti di input della query e le informazioni di ritorno come output . Un esempio di un moderno IR è il motore di ricerca . Il termine " relevance feedback " è stato introdotto più di 20 anni fa come un modo per indicare un processo automatico . Il sistema sviluppato coinvolto formulazioni query seguente operazione iniziale recupero . Tipi di relevance feedback possono includere ciò che è esplicito , implicito , e pseudo o quello che possono essere classificati come feedback cieco . Sistemi di information retrieval impegnarsi sistemi di relevance feedback al fine di utilizzare i risultati di alcune ricerche per valutare l'adeguatezza complessiva . Istruzioni
1

Capire le due tecniche IR comuni, utilizzati dalla maggior parte dei sistemi moderni . Il primo è il processo che deriva , che implica la rimozione di suffissi da parole di base . Ad esempio, " assistere ", " assistito" e " assist " saranno tutti indicati come " assistere ". I sistemi che utilizzano derivante richiederebbe che tutte le parole siano derivava prima di indicizzazione . L'altra tecnica comune IR usa parole trovate comunemente dai documenti utilizzati nelle cosiddette "liste di arresto . " Parole come "e ", "a" e " ma " di solito comprendono la maggior parte di quella lista .
2

valutare e confrontare sistemi IR per determinare quale sarebbe meglio per lo scopo . Guardate precisione e richiamo all'interno di un dato insieme di documenti recuperati . Accertare il livello di precisione percentuale. Decidere il livello di richiamo per la percentuale di documenti rilevanti che sono stati recuperati .
3

Applicare altri aspetti di valutazione, come quanto bene il sistema soddisfa la query , quanto velocemente si soddisfa la domanda , che cosa risorse che essa richiede e quanto sia facile per gli utenti di ottenere risposte.
4 esperimenti Condotta

utilizzando vari termini di ricerca e le stringhe di parole in IR . Prendere nota dei tempi di risposta e dei dati recuperati . Continuare a correggere le parole di ricerca termine per tutto l'esperimento in diversi IRS. Esaminare la documentazione per accertare che il lavoro IRs meglio . Provare a studiare e indagare come gli utenti esperti si adattano le tecniche di ricerca che utilizzano sistemi di recupero dei motori tradizionali in linea di ricerca. Avere più utenti meno esperti a trovare il modo di incorporare nuovi termini di ricerca nello stesso esperimento . Includere diversi tipi di IRS.
5

Creare un esperimento in cui tutti i soggetti utenti cercano esattamente lo stesso motore di ricerca di recupero con la stessa collezione di documenti ( come ad esempio un gruppo di articoli da un giornale ) . Hanno gli utenti di eseguire le stesse ricerche contro gli stessi argomenti nelle stesse scadenze .
6

Confronta i risultati di tutti gli esperimenti condotti . Fai griglie, tabelle e grafici per visualizzare i dati trovati . Ciò fornirà uno strumento visivo da cui partire per raccogliere informazioni utili . Utilizzare l' analisi dei dati di accertare come minimamente addestrato gli utenti finali possono utilizzare un sistema di base di nuova concezione in modo ragionevolmente efficace . Interpretare il relevance feedback al fine di aumentare l'efficacia complessiva di recupero . Optare per una maggiore possibilità di interazione con l'utente . Controllo relevance feedback per rendere le interazioni più efficienti e mantenere o aumentare di ricerca risultato efficacia .

• Come ripristinare e masterizzare un file Image.Sco 
• Come sviluppare metriche di qualità dei dati