Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.creator | Presotto, João Gabriel Camacho [UNESP] | - |
Autor(es): dc.creator | Valem, Lucas Pascotti [UNESP] | - |
Autor(es): dc.creator | Pedronette, Daniel Carlos Guimarães [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:23:12Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:23:12Z | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2019-01-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/978-3-030-29891-3_21 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/197978 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/197978 | - |
Descrição: dc.description | Estimating the effectiveness of retrieval systems in unsupervised scenarios consists in a task of crucial relevance. By exploiting estimations which dot not require supervision, the retrieval results of many applications as rank aggregation and relevance feedback can be improved. In this paper, a novel approach for unsupervised effectiveness estimation is proposed based the intersection of ranking references at top-k positions of ranked lists. An experimental evaluation was conducted considering public datasets and different image features. The linear correlation between the proposed measure and the effectiveness evaluation measures was assessed, achieving high scores. In addition, the proposed measure was also evaluated jointly with rank aggregation methods, by assigning weights to ranked lists according to the effectiveness estimation of each feature. | - |
Descrição: dc.description | Petrobras | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Department of Statistics Applied Mathematics and Computing State University of São Paulo (UNESP) | - |
Descrição: dc.description | Department of Statistics Applied Mathematics and Computing State University of São Paulo (UNESP) | - |
Descrição: dc.description | Petrobras: #2017/00285-6 | - |
Descrição: dc.description | FAPESP: #2017/02091-4 | - |
Descrição: dc.description | FAPESP: #2017/25908-6 | - |
Descrição: dc.description | FAPESP: #2018/15597-6 | - |
Descrição: dc.description | FAPESP: #2019/04754-6 | - |
Descrição: dc.description | CNPq: #308194/2017-9 | - |
Formato: dc.format | 231-244 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Effectiveness estimation | - |
Palavras-chave: dc.subject | Image retrieval | - |
Palavras-chave: dc.subject | Ranking | - |
Título: dc.title | Unsupervised Effectiveness Estimation Through Intersection of Ranking References | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: