Universität Augsburg, Institut für Informatik Sommersemester 2009 Prof. Dr. Werner Kießling 16. Juli Semesterklausur

Transkript

1 Universität Augsburg, Institut für Informatik Sommersemester 2009 Prof. Dr. Werner Kießling 16. Juli 2009 Dr. A. Huhn, M. Endres Suchmaschinen Semesterklausur Hinweise: Die Bearbeitungszeit beträgt 90 Minuten. Verwenden Sie für ihre Lösungen ausschließlich die gehefteten Blätter des Lösungsteils. Die Heftklammern dürfen nicht entfernt werden. Melden Sie sich bei der Aufsicht, falls die Blätter nicht ausreichen sollten! Es sind nur Hilfsmittel in Papierform zugelassen. Benutzen Sie einen dokumentenechten Stift! Verwenden Sie keinen Bleistift! Benutzen Sie außerdem keinen roten und keinen grünen Stift! Überprüfen Sie, ob ihre Platznummer mit der auf der Klausur vermerkten Platznummer übereinstimmt. Melden Sie sich sofort bei der Aufsicht, falls das nicht der Fall sein sollte. Unterschreiben Sie auf dem Deckblatt des Lösungsteils an der vorgesehenen Stelle mit ihrem vollen Vor- und Nachnamen. Schreiben Sie auf jedes Blatt des Lösungsteils ihren Namen und ihre Matrikelnummer. Die Klausur besteht aus 5 Aufgaben mit insgesamt 40 Punkten: 1. Suchmaschinen-Allerlei [6 Punkte] 2. Information Retrieval [8 Punkte] 3. Modellierung und Anwendung von Präferenzen [9 Punkte] 4. Optimierung von Präferenzqueries [9 Punkte] 5. Top-k [8 Punkte]

2 Aufgabe 1: Suchmaschinen-Allerlei, 6 Punkte ( ) 1) Nennen Sie 3 Nachteile der Attributsuche mit exakten Treffern. 2) Ist es möglich das Boolesche IR-Modell durch das Fuzzy IR-Modell auszudrücken? Begründen Sie Ihre Antwort. 3) Erstellen Sie einen Ausschnitt eines XHTML-Formulares, welches ein Formularelement für die Abfrage von Song-Titeln bereitstellt. Zusätzlich soll eine Auswahlliste für die Optionen Pop und Rock erscheinen. 4) Gegeben ist der folgende Graph, der eine Facelet-Konfiguration darstellen soll. Schreiben Sie die faces-config.xml.

3 Aufgabe 2: Information Retrieval, 8 Punkte (2+4+2) Gegeben sei ein IR-System, welches für das Retrieval von Dokumenten das Vektorraummodell benutzt. Die Dokumentenkollektion D = {D 1, D 2 } sei gegeben: D1: Sunshine, Sunshine, Help, Orbits D2: Help, Help, Orbits, Harbour Das Vokabular sei T = {Sunshine, Help, Orbits, Harbour} Bearbeiten Sie folgende Aufgaben: 1) Stellen Sie die Vektoren für die Dokumente nur unter Berücksichtigung der Termhäufigkeit auf. 2) Berechnen Sie die Vektoren für die Dokumente nach der TFxIDF Formel. Anmerkung: Verwenden Sie log(2) = ) Betrachten Sie folgende Anfrage (alle Terme sind gleichgewichtet) Q: Sunshine, Orbits Ermitteln Sie für die Dokumentenvektoren aus 1) und 2) jeweils die Ähnlichkeit zwischen der Anfrage und den Dokumenten mit Hilfe des Skalarproduktes.

4 Aufgabe 3: Modellierung und Anwendung von Präferenzen, 9 Punkte (7+2) Gegeben sei folgende Instanz einer Relation Song ohne Angabe der Domänen: Song ID Album Titel Künstler Dauer Plattenfirma Jahr 1 Talking Book Sunshine Stevie Wonder 2:58 Motown Talking Book Superstition Stevie Wonder 4:26 Motown Miles Smiles Orbits Miles Davis 4:36 Columbia Help Help! Beatles 2:18 Capitol Maiden Voyage Maiden Voyage Herbie Hancock 7:57 Blue Note Moby Moby 4:28 EMI Moby 18 Fireworks Moby 2:12 EMI ) Setzen Sie folgende Anfragen in Ausdrücke in Preference SQL um. a) Ich suche Album und Titel der Songs, deren Dauer möglichst zwischen 3:00 Minuten und 3:50 Minuten liegt. Ich möchte auf jeden Fall Ergebnisse, die am besten passen. b) Ich möchte alle Künstler, die bevorzugt ein Album um das Jahr 1970 veröffentlicht haben. Abweichungen von 5 Jahren sind für mich gleich gut. Die Plattenfirma sollte Motown sein, aber möglichst nicht Capitol. Dies ist mir weniger wichtig als das Jahr. c) Ich möchte alle Titel haben, die möglichst lange dauern, aber auf gar keinen Fall länger als 10 Minuten sind. Das Album sollte Talking Book oder Moby 18 sein, wobei beide gleich gut sind (reguläre SV-Semantik). Beide Wünsche sind mir gleich wichtig. d) Ich suche Titel der Künstler Stevie Wonder und Ringo Star. Wenn es keine Titel dieser Künstler gibt, bevorzuge ich Titel von Roger Waters und David Gilmour, danach die von Miles Davis und anschließend die von Herbie Hancock. Moby soll definitiv nicht im Ergebnis erscheinen. 2) Betrachten Sie die Song-Relation von oben. Bestimmen Sie das Ergebnis (IDs) der Präferenzselektion folgender Präferenzen, basierend auf den angegebenen Daten. Das Infimum von Dauer sei 0:00. a) P 1 := P OS(Album, {Moby 18, Talking Book}, REGULAR) LOW EST 4:00 (Dauer, REGULAR) b) P 2 := P OS(Album, {Moby 18, Talking Book}) LOW EST 4:00 (Dauer)

5 Aufgabe 4: Optimierung von Präferenzqueries, 9 Punkte (6+3) Gegeben sind folgende Relationschemata ohne Angabe der Domänen (Primärschlüssel sind unterstrichen). 1. Algebraische Präferenz-Optimierung. Betrachten Sie folgende Query R (A, X), X ist Fremdschlüssel auf S.X S (B, X) T (C, Y) Q := σ[(p 1 P 2 ) & P 3 ] ( σ R.X=S.X (R S T ) ) mit Basispräferenzen P 1 (A, < P1 ), P 2 (B, < P2 ) und P 3 (C, < P3 ). Optimieren Sie Q mit Hilfe des PassPreference-Algorithmus aus der Vorlesung. Sollten bei Anwendung einer Transformationsregel mehrere Möglichkeiten bestehen, dann verwenden Sie die bestmögliche Optimierung. 2. Gegeben sei eine Pareto-Präferenz, deren Better-Than-Graph ohne Kanten wie folgt aussieht: Level 0 (0, 0, 0) Level 1 (0, 0, 1) (0, 1, 0) (1, 0, 0) Level 2 (0, 1, 1) (0, 2, 0) (1, 0, 1) (1, 1, 0) (2, 0, 0) Level 3 (0, 2, 1) (1, 1, 1) (1, 2, 0) (2, 0, 1) (2, 1, 0) Level 4 (1, 2, 1) (2, 1, 1) (2, 2, 0) Level 5 (2, 2, 1) a) Bestimmen Sie das Pruning-Level für den Knoten (1, 1, 0). b) Bestimmen Sie alle Knoten, die (1, 1, 0) dominieren. c) Bestimmen Sie die eindeutige Knoten-ID von (1, 1, 0) im Hexagon-Algorithmus.

6 Aufgabe 5: Top-k, 8 Punkte (7+1) Gegeben seien drei Streams S 1, S 2 und S 3 mit Objekten o 1 bis o 5 und ihren Scores. Außerdem gelte: Rang S 1 S 2 S 3 1 o 1 (0,85) o 5 (0,87) o 3 (0,90) 2 o 2 (0,80) o 4 (0,80) o 4 (0,75) 3 o 3 (0,70) o 2 (0,70) o 1 (0,75) 4 o 4 (0,60) o 1 (0,70) o 5 (0,70) 5 o 5 (0,60) o 3 (0,70) o 2 (0,70) Aggregatsfunktion: F (s 1 (x), s 2 (x), s 3 (x)) = max(s 1 (x), s 2 (x), s 3 (x)) Die partiellen Ableitungen von F für alle s i (x), i = 1, 2, 3 sei 1. Intervallgröße für Rückschau: p = 1 1) Bestimmen Sie die Top-2 Ergebnisse durch schrittweise Ausführung von Quick-Combine. 2) Wieviele Random Access und Sorted Access Zugriffe bis zur Terminierung sind notwendig?