Information Retrieval Übung
|
|
- Markus Acker
- vor 7 Jahren
- Abrufe
Transkript
1 Information Retrieval p. 1/15 Information Retrieval Übung Raum LF052, Montags 8:30-10:00 Dipl.-Inform. Sascha Kriewel, Raum LF137 Institut für Informatik und Interaktive Systeme Universität Duisburg-Essen Campus Duisburg
2 Information Retrieval p. 2/15 Abgaben bis Mittwochs 13:30 in Briefkästen vor den Räumen LF135 LF140 alternativ als an nur als Adobe PDF (gleiche Deadline) spätere Abgaben können nicht mehr bis zur nächsten Woche korrigiert werden
3 Information Retrieval p. 3/15 40 % der Übungspunkte Teilnahme an der Übung Vorführen einer eigenen Lösung
4 Information Retrieval p. 4/15 Abstraktionsstufen aus der Vorlesung: Syntax Semantik Pragmatik In welchen Bereich gehören Wissen, Information oder Daten?
5 Information Retrieval p. 5/15 Übung zu Evaluation Fallbeispiel: Eine Schülerin soll ein Referat zur Passat schreiben, einem der größten Segelschiffe der Welt, das vor Travemünde liegt. Sie benutzt Google, um Information zu diesem Schiff zu suchen.
6 Information Retrieval p. 6/15 Suche mit Google: Rangliste
7 Information Retrieval p. 7/15 Google: Relevanzurteile
8 Information Retrieval p. 8/15 Distribution = ( )
9 Information Retrieval p. 8/15 Distribution = ( ) Bestimmung von Precision und Recall: p = REL GEF GEF r = REL GEF REL
10 Information Retrieval p. 8/15 Distribution = ( ) Bestimmung von Precision und Recall: p = REL GEF GEF r = REL GEF REL Was ist Prec@1, Prec@5, Prec@10?
11 Information Retrieval p. 9/15 Precision an Rang x p = REL GEF GEF
12 Information Retrieval p. 9/15 Precision an Rang x p = REL GEF GEF Menge der gefundenen Dokumente = 10
13 Information Retrieval p. 9/15 Precision an Rang x p = REL GEF GEF Menge der gefundenen Dokumente = 10 Menge der relevanten gefundenen Dokumente an den Punkten 1, 5 und 10 = 0, 3 und 3
14 Information Retrieval p. 9/15 Precision an Rang x p = REL GEF GEF Menge der gefundenen Dokumente = 10 Menge der relevanten gefundenen Dokumente an den Punkten 1, 5 und 10 = 0, 3 und 3 Prec@1 = 0 1
15 Information Retrieval p. 9/15 Precision an Rang x p = REL GEF GEF Menge der gefundenen Dokumente = 10 Menge der relevanten gefundenen Dokumente an den Punkten 1, 5 und 10 = 0, 3 und 3 Prec@1 = 0 1 Prec@5 = 3 5
16 Information Retrieval p. 9/15 Precision an Rang x p = REL GEF GEF Menge der gefundenen Dokumente = 10 Menge der relevanten gefundenen Dokumente an den Punkten 1, 5 und 10 = 0, 3 und 3 Prec@1 = 0 1 Prec@5 = 3 5 Prec@10 = 3 10
17 Information Retrieval p. 10/15 Precision Rang
18 Information Retrieval p. 11/15 Bestimmung des Recall Wie lässt sich der Recall an diesen Punkten bestimmen?
19 Information Retrieval p. 11/15 Bestimmung des Recall Wie lässt sich der Recall an diesen Punkten bestimmen? Eine Möglichkeit: wir nehmen an, dass alle relevanten Dokumente unter den angezeigten Dokumenten sind.
20 Information Retrieval p. 11/15 Bestimmung des Recall Wie lässt sich der Recall an diesen Punkten bestimmen? Eine Möglichkeit: wir nehmen an, dass alle relevanten Dokumente unter den angezeigten Dokumenten sind. z.b.: Recall an Punkt 3 = 2 3 = 0.66
21 Information Retrieval p. 11/15 Bestimmung des Recall Wie lässt sich der Recall an diesen Punkten bestimmen? Eine Möglichkeit: wir nehmen an, dass alle relevanten Dokumente unter den angezeigten Dokumenten sind. z.b.: Recall an Punkt 3 = 2 3 = 0.66 Probablistische Interpretation: die Wahrscheinlichkeit, dass ein zufälliges relevantes Dokument im Web unter den ersten 3 Antworten ist, beträgt 66%...
22 Information Retrieval p. 11/15 Bestimmung des Recall Wie lässt sich der Recall an diesen Punkten bestimmen? Eine Möglichkeit: wir nehmen an, dass alle relevanten Dokumente unter den angezeigten Dokumenten sind. z.b.: Recall an Punkt 3 = 2 3 = 0.66 Probablistische Interpretation: die Wahrscheinlichkeit, dass ein zufälliges relevantes Dokument im Web unter den ersten 3 Antworten ist, beträgt 66%... offensichtlich zu optimistische Schätzung
23 Information Retrieval p. 12/15 Abschätzungen für REL Wie kann man die Menge der relevanten Dokumente besser abschätzen, um bessere Annäherungen für den Recall zu bekommenn
24 Information Retrieval p. 12/15 Abschätzungen für REL Wie kann man die Menge der relevanten Dokumente besser abschätzen, um bessere Annäherungen für den Recall zu bekommenn Vollständige Relevanzbeurteilung: selbst für eine Stichprobe völlig inpraktikabel
25 Information Retrieval p. 12/15 Abschätzungen für REL Wie kann man die Menge der relevanten Dokumente besser abschätzen, um bessere Annäherungen für den Recall zu bekommenn Vollständige Relevanzbeurteilung: selbst für eine Stichprobe völlig inpraktikabel mehr Resultate ansehen (insgesamt ca Treffer)
26 Information Retrieval p. 12/15 Abschätzungen für REL Wie kann man die Menge der relevanten Dokumente besser abschätzen, um bessere Annäherungen für den Recall zu bekommenn Vollständige Relevanzbeurteilung: selbst für eine Stichprobe völlig inpraktikabel mehr Resultate ansehen (insgesamt ca Treffer) Experten zu Rate ziehen
27 Information Retrieval p. 12/15 Abschätzungen für REL Wie kann man die Menge der relevanten Dokumente besser abschätzen, um bessere Annäherungen für den Recall zu bekommenn Vollständige Relevanzbeurteilung: selbst für eine Stichprobe völlig inpraktikabel mehr Resultate ansehen (insgesamt ca Treffer) Experten zu Rate ziehen mit anderen Suchmaschinen suchen, Metasuchmaschinen benutzen
28 Information Retrieval p. 12/15 Abschätzungen für REL Wie kann man die Menge der relevanten Dokumente besser abschätzen, um bessere Annäherungen für den Recall zu bekommenn Vollständige Relevanzbeurteilung: selbst für eine Stichprobe völlig inpraktikabel mehr Resultate ansehen (insgesamt ca Treffer) Experten zu Rate ziehen mit anderen Suchmaschinen suchen, Metasuchmaschinen benutzen Frageerweiterung: z.b. mit zusätzlichen Termen Segelschiff oder Schiff
29 Information Retrieval p. 13/15 alternative Retrievalsysteme bietet automatische Kategorisierung von Ergebnissen MetaGer: meta.rrzn.uni-hannover.de als Metasuchmaschine Liste von Suchmaschinen: Wissenschaftliche Suche, z.b. mit Metasuche mit forschungsportal.net bietet Suchoperatoren wie Phrase, nah, nicht, oder, sollte CiteSeer: citeseer.ist.psu.edu zur Suche in Publikationen
30 Information Retrieval p. 14/15 Google: Frageerweiterung
31 Information Retrieval p. 15/15 Google: Frageerweiterung
Evaluierung und Retrievalmaße. Seminar experimentelle Evaluierung In Information Retrieval WS05/06
Evaluierung und Retrievalmaße Seminar experimentelle Evaluierung In Information Retrieval WS05/06 Einleitung - Evaluierung Wichtig für IR Zusammenhang zwischen einer Suchanfrage und den zurückgegebenen
MehrEvaluation von IR-Systemen
Evaluation von IR-Systemen Überblick Relevanzbeurteilung Übereinstimmung zwischen Annotatoren Precision Recall (Präzision u. Vollständigkeit) Text Retrieval Conference (TREC) Testkollektionen Beurteilen
MehrInternet-Suchmaschinen Evaluierung
Internet-Suchmaschinen Evaluierung Norbert Fuhr 1 / 83 Vorüberlegungen Warum evaluieren? Anforderungen an Evaluierungen Qualitätskriterien Vorüberlegungen Warum evaluieren? Perspektiven auf IR-Systeme
Mehr6. Probabilistische Retrievalmodelle. Norbert Fuhr
6. Probabilistische Retrievalmodelle Norbert Fuhr Notationen Q α Q Q β Q Q D R rel. judg. D α D D β D D D ρ IR q Q Anfrage d D Dokument q k Q: d m D: Anfragerepräsentation Dokumentrepräsentation qk D QD
Mehr3. Evaluierung. Norbert Fuhr
3. Evaluierung Norbert Fuhr Perspektiven auf IR-Systeme Benutzer Käufer Manager Hersteller Entwickler... Fragestellungen an die Evaluierung Was kann ich ändern, um die Qualität eines Systems zu verbessern?
MehrInformation-Retrieval: Evaluation
Information-Retrieval: Evaluation Claes Neuefeind Fabian Steeg 17. Dezember 2009 Themen des Seminars Boolesches Retrieval-Modell (IIR 1) Datenstrukturen (IIR 2) Tolerantes Retrieval (IIR 3) Vektorraum-Modell
MehrÜbungen zu Multimedia-Datenbanken Aufgabenblatt 2 - Musterlösungen
Übungen zu Multimedia-Datenbanken Aufgabenblatt 2 - Musterlösungen Übung: Dipl.-Inform. Tina Walber Vorlesung: Dr.-Ing. Marcin Grzegorzek Fachbereich Informatik, Universität Koblenz Landau Ausgabe: 03.05.200
Mehr5. Probabilistische Retrievalmodelle
5. Probabilistische Retrievalmodelle 1 5. Probabilistische Retrievalmodelle Norbert Fuhr Notationen 5. Probabilistische Retrievalmodelle 3 Notationen Notationen Q α Q Q β Q Q D R rel. judg. D α D D β D
MehrInformation Retrieval. Überblick
Fachhochschule Köln, Campus Gummersbach Institut für Informatik und Ingenieurwissenschaften Information Retrieval WPF 45 Überblick Prof. Dr. Heide Faeskorn - Woyke Fachhochschule Köln Campus Gummersbach
MehrÜbungen zu Datenbanken
zu WS 2013/2014 Dipl.-Inform. 23./24. Oktober 2013 Kommunikation, LF 136, mjordan@is.inf.uni-due.de, LF 136, mjordan@is.inf.uni-due.de Thomas Beckers, LF 138, tbeckers@is.inf.uni-due.de Regelmäßig Webseite
MehrInternet-Suchmaschinen Probabilistische Retrievalmodelle
Internet-Suchmaschinen Probabilistische Retrievalmodelle Norbert Fuhr 1 / 41 Notationen Notationen Notationen Q α Q Q β Q Q D R rel. judg. D α D D β D D D ρ IR q Q Anfrage/Info-bed. q Q Anfragerepräs.
MehrEvaluierung von Suchmaschinen Qualitätsvergleich von Google- und Bing- Suchergebnissen unter besonderer Berücksichtigung von
Evaluierung von Suchmaschinen Qualitätsvergleich von Google- und Bing- Suchergebnissen unter besonderer Berücksichtigung von Universal-Search-Resultaten Information Retrieval: Suchen bzw. Wiederfinden
MehrSuchmaschinen. Anwendung RN Semester 7. Christian Koczur
Suchmaschinen Anwendung RN Semester 7 Christian Koczur Inhaltsverzeichnis 1. Historischer Hintergrund 2. Information Retrieval 3. Architektur einer Suchmaschine 4. Ranking von Webseiten 5. Quellenangabe
MehrÜbungen zu Datenbanken
zu WS 2014/2015 Dipl.-Inform. 16. Oktober 2014 Kommunikation &, LF 139, vtran@is.inf.uni-due.de Regelmäßig Webseite besuchen! http://www.is.inf.uni-due.de/courses/db_ws14/ Kommunikation Korrektur der Übungsabgaben
MehrMusterlösung Übungsblatt 14
Übungen zur Modellierung, Wintersemester 2007/08 Ingo Frommholz (LF 138) Sprechstunde Donnerstag, 15-16 Uhr mod07@is.inf.uni-due.de Musterlösung Übungsblatt 14 Aufgabe 29: Wohlgeformtheit und Validität
MehrPraktikum Information Retrieval Wochen 12: Suchmaschine
Praktikum Information Retrieval Wochen 12: Suchmaschine Matthias Jordan 7. November 18. November 2011 Lösungen: Upload bis 18. November 2011 Aktuelle Informationen, Ansprechpartner, Material und Upload
MehrLastenheft Webinformationssystem V1.0
Lastenheft Webinformationssystem V1.0 1.Zielbestimmung: 1.1 Muss-Kriterien: Studenten und Mitarbeiter der Fakultät für Mathematik und Informatik der Universität Leipzig sollen mit dem Produkt über ein
Mehr2 Evaluierung von Retrievalsystemen
2. Evaluierung von Retrievalsystemen Relevanz 2 Evaluierung von Retrievalsystemen Die Evaluierung von Verfahren und Systemen spielt im IR eine wichtige Rolle. Gemäß der Richtlinien für IR der GI gilt es,...
MehrSPRACHTECHNOLOGIE IN SUCHMASCHINEN IR-GRUNDLAGEN
SPRACHTECHNOLOGIE IN SUCHMASCHINEN IR-GRUNDLAGEN HAUPTSEMINAR SUCHMASCHINEN COMPUTERLINGUISTIK SOMMERSEMESTER 2016 STEFAN LANGER STEFAN.LANGER@CIS.UNI -MUENCHEN.DE Übung (Gruppenarbeit, 10-15 min.) Sie
MehrWeb Information Retrieval. Zwischendiskussion. Überblick. Meta-Suchmaschinen und Fusion (auch Rank Aggregation) Fusion
Web Information Retrieval Hauptseminar Sommersemester 2003 Thomas Mandl Überblick Mehrsprachigkeit Multimedialität Heterogenität Qualität, semantisch, technisch Struktur Links HTML Struktur Technologische
MehrVom Suchen und Finden - Google und andere Ansätze
Vom Suchen und Finden - Google und andere Ansätze Norbert Fuhr Universität Duisburg Essen FB Ingenieurwissenschaften Abteilung Informatik 12. Mai 2005 Gliederung 1 Einführung 2 Grundlagen 3 Erweiterte
MehrVorlesung Automaten und Formale Sprachen alias Theoretische Informatik Sommersemester 2015
Vorlesung Automaten und Formale Sprachen alias Theoretische Informatik Sommersemester 2015 Prof. Barbara König Übungsleitung: Jan Stückrath Barbara König Automaten und Formale Sprachen 1 Das heutige Programm:
MehrEinführung in Wissenschaftliches Arbeiten
Einführung in Wissenschaftliches Arbeiten Einleitung und Recherche Thomas Beckers, Sebastian Dungs, Norbert Fuhr, Matthias Jordan, Sascha Kriewel, Marc Lechtenfeld, Vu Tran Sommersemester 2013 Einführung
MehrSuchen mit. Suchmaschinen-Funktionen
Suchen mit und andere Suchmaschinen-Funktionen 1 Inhalt WEB-Browser Suchmaschinen Google der Big Brother Suchen im Internet mit Google Google Suchmaschine Zusatzfunktionen Lesezeichen/Favoriten Google
MehrVorlesung Berechenbarkeit und Komplexität Wintersemester 2016/17. Wer sind wir? Willkommen zu
Vorlesung Berechenbarkeit und Komplexität Wintersemester 2016/17 Prof. Barbara König Übungsleitung: Sebastian Küpper Willkommen zu Berechenbarkeit und Komplexität (Bachelor Angewandte Informatik, Duisburg
MehrIR Seminar SoSe 2012 Martin Leinberger
IR Seminar SoSe 2012 Martin Leinberger Suchmaschinen stellen Ergebnisse häppchenweise dar Google: 10 Ergebnisse auf der ersten Seite Mehr Ergebnisse gibt es nur auf Nachfrage Nutzer geht selten auf zweite
MehrPraxisteil. Seminar experimentelle Evaluierung in IR WS05/06 Gruppe A
Praxisteil Seminar experimentelle Evaluierung in IR WS05/06 Gruppe A Experimental setup Collections: TREC-123, wt10g Index: BM25 und TFIDF Queries: - Topics 51-100 aus trec123.topics (für den ersten Teil)
MehrSemestralklausur zur Vorlesung. Web Mining. Prof. J. Fürnkranz Technische Universität Darmstadt Sommersemester 2004 Termin: 22. 7.
Semestralklausur zur Vorlesung Web Mining Prof. J. Fürnkranz Technische Universität Darmstadt Sommersemester 2004 Termin: 22. 7. 2004 Name: Vorname: Matrikelnummer: Fachrichtung: Punkte: (1).... (2)....
MehrVorlesung Information Retrieval Wintersemester 04/05
Vorlesung Information Retrieval Wintersemester 04/05 14. Oktober 2004 Institut für Informatik III Universität Bonn Tel. 02 28 / 73-45 31 Fax 02 28 / 73-43 82 jw@informatik.uni-bonn.de 1 Themenübersicht
MehrSeminar MAMMAMIA WS 2012/13 Literaturrecherche
Seminar MAMMAMIA WS 2012/13 Literaturrecherche Richard Schaller Martin Hacker Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 15.11.2012 Gliederung 1 Wie finde ich relevante Literatur?
MehrSearch Engine Evaluation. Franziska Häger, Lutz Gericke
Search Engine Evaluation Franziska Häger, Lutz Gericke 23.07.2009 Ansätze 2 Tägliche Abfragen mit geringer Ergebnismenge Evaluation von Precision und Recall Revisionsabfrage aus Suchmaschinen-Caches Bestimmung
Mehr2006, Falk Neubert (ecoservice / materialboerse.de GmbH)
Wie wird meine Webseite gefunden? Falk Neubert, Geschäftsführer ecoservice / materialboerse.de GmbH Was kann gefunden werden? alles was im sichtbaren Web vorhanden ist...... Texte, Dokumente, Grafiken,
MehrHardwarearchitekturen und Rechensysteme
Lehrstuhl für Eingebettete Systeme Hardwarearchitekturen und Rechensysteme Sommersemester 2009 Folien zur Vorlesung Hardwarearchitekturen und Rechensysteme von Prof. Dr. rer. nat. U. Brinkschulte Prof.
MehrSuchmaschinen und ihre Architektur. Seminar: Angewandtes Information Retrieval Referat von Michael Wirz
Suchmaschinen und ihre Architektur Seminar: Angewandtes Information Retrieval Referat von Michael Wirz Ziel Rudimentäre Grundkenntnisse über die Funktionsweise von Suchmaschinen und Trends Einführung in
MehrPraktikum Information Retrieval Wochen 12: Suchmaschine
Praktikum Information Retrieval Wochen 12: Suchmaschine Melikka Khosh-Niat Matthias Jordan 23. Mai 3. Juni 2011 Lösungen: Upload bis 3. Juni 2011 Aktuelle Informationen, Ansprechpartner, Material und Upload
MehrStapelverarbeitung mit Adobe Acrobat Professional. Leibniz Universität IT Services Anja Aue
Stapelverarbeitung mit Adobe Acrobat Professional Leibniz Universität IT Services Anja Aue Stapelverarbeitung Befehlsfolgen werden automatisiert abgearbeitet. Eine Reihe von Aktionen werden manuell gestartet
MehrWeb Marshals Fighting Curly Link Farms
Web Marshals Fighting Curly Link Farms Evgeny Anisiforov Freie Universität Berlin 03.06.2009 1 Pagerank Algorithm Ermöglicht die Gewichtung verlinkter Dokumente (z.b. im Web) PR i = (1 d) + d j {(j,i)}
MehrPosterdruck mit Microsoft PowerPoint unter Mac OSX 10.6.8 10.8.4
Posterdruck mit Microsoft PowerPoint unter Mac OSX 0.6.8 0.8.4 Einleitung Diese Anleitung richtet sich an Benutzer des URZ Posterdruck-Dienstes und erläutert die Erstellung von PDF/X--kompatiblen Dateien
MehrVorlesung Suchmaschinen Semesterklausur Sommersemester 2014
Universität Augsburg, Institut für Informatik Sommersemester 04 Prof. Dr. W. Kießling 5. Juli 04 Dr. M. Endres, F. Wenzel Suchmaschinen Vorlesung Suchmaschinen Semesterklausur Sommersemester 04 Hinweise:
MehrAlgorithmen und Berechnungskomplexität I
Algorithmen und Berechnungskomplexität I Prof. Dr. Institut für Informatik Wintersemester 2013/14 Organisatorisches Vorlesung Dienstag und Donnerstag, 12:30 14:00 Uhr (HS 1) Übungen 16 Übungsgruppen Anmeldung
MehrPraktikum Datenbanken
Wintersemester 2017/18 Firas Sabbah M.Sc. Ioannis Karatassis M.Sc. Nikolas Gur, B.Sc. Dipl.-Inform. Vu Tran Fachgebiet Informationssysteme Universität Duisburg-Essen 20. 23.11.2017 Kommunikation Firas
MehrÜbungen zu Datenbanken
zu WS 2016/2017 Darina Benikova M.A. Michael Rist M.Sc. 26.+27. Oktober 2016 Kommunikation & Darina Benikova, LE 426, benikova@is.inf.uni-due.de Michael Rist, LE 423, rist@is.inf.uni-due.de Regelmäßig
MehrPraktikum Datenbanken
Wintersemester 2017/18 Firas Sabbah M.Sc. Ioannis Karatassis M.Sc. Nikolas Gur, B.Sc. Dipl.-Inform. Vu Tran Fachgebiet Informationssysteme Universität Duisburg-Essen 20. 23.11.2017 Kommunikation Firas
MehrUnser Problem lässt sich relativ leicht lösen, indem wir eine so genannte Internet Suchmaschine benutzen.
Internet Suche 1 Ein Problem Für unsere Gruppenarbeit in Geographie wollen wir wissen, wie viel Einwohner die Stadt Moskau hat. Auch hätten wir gern eine Karte Russlands, welche die Lage der Hauptstadt
MehrSoftware Entwicklung I Übungen ( )
Software Entwicklung I Übungen (08.10.2008) Übungsleiter Übungsmodus / Beurteilung Übungszettel Kontakte SWE 1 UE A. Riener Vorbesprechung < 1 > Kontakt Adresse: Universität Linz Institut für Pervasive
MehrÜbungsaufgaben. Aufgabe 1 Internetsuchmaschinen. Einführung in das Information Retrieval, 8. Mai 2008 Veranstaltung für die Berufsakademie Karlsruhe
Otto-Friedrich-Universität Bamberg Lehrstuhl für Medieninformatik Prof. Dr. Andreas Henrich Dipl. Wirtsch.Inf. Daniel Blank Einführung in das Information Retrieval, 8. Mai 2008 Veranstaltung für die Berufsakademie
MehrDavid Mika. Donnerstag, den 15. März 2012. Verein zur Förderung der privaten Internet Nutzung e.v. Suchen und Finden im Internet. david@ping.
Suchen im David Mika Verein zur Förderung der privaten Nutzung e.v. Donnerstag, den 15. März 2012 Themenüberblick 1 2 3 4 5 6 Informationsflut im Jeder kann schnell und einfach Dokumente publizieren Aktuell
MehrEinführung in Information Retrieval Skriptum zur Vorlesung im WS 11/12. Norbert Fuhr
Einführung in Information Retrieval Skriptum zur Vorlesung im WS 11/12 Norbert Fuhr 16. Dezember 2011 Inhaltsverzeichnis 1 Einführung 3 1.1 IR-Methoden und -Anwendungen.................................
MehrBLATT 1. Dieser Test soll mir helfen, Ihre Vorkenntnisse richtig einzuschätzen und die Seminarinhalte entsprechend anzupassen.
Eingangtest (anonym) BLATT 1 Dieser Test soll mir helfen, Ihre Vorkenntnisse richtig einzuschätzen und die Seminarinhalte entsprechend anzupassen. 1) Was ist ein Zeichensatz (character set) und was eine
MehrWI-/BWL-Publikations-Rankings mit Internet-Publicity-Rankings
Fakultät Wirtschaftswissenschaften Wirtschaftsinformatik, insbesondere wissensbasierte Anwendungen Modul Informationsbereitstellung (WI-BA-5) Aufgabenstellung Projektseminar Entwicklung von Management
MehrSuchmaschinen. Heiko Fröhlich. 29. Juni 2005. Ausarbeitung zum Proseminar Text Mining an der Uni Ulm SS2005. 1 Aufgabe von Suchmaschinen 2
Suchmaschinen Heiko Fröhlich 29. Juni 2005 Ausarbeitung zum Proseminar Text Mining an der Uni Ulm SS2005 Inhaltsverzeichnis 1 Aufgabe von Suchmaschinen 2 2 Gewöhnliche Suchmaschinen wie z.b Google 2 2.1
MehrKapitel IR:II. II. Grundlagen des Information Retrieval. Retrieval-Evaluierung Indexterme
Kapitel IR:II II. Grundlagen des Information Retrieval Retrieval-Evaluierung Indexterme IR:II-1 Basics STEIN 2005-2010 Batch-Mode-Retrieval einmaliges Absetzen einer Anfrage; nur eine Antwort wird geliefert
MehrRecherche im Internet
Recherche im Internet Tools für die Internetsuche Wie suche ich im Internet? Fachliche Internetseiten Einige Vor- und Nachteile der Internetsuche Vorteile Schneller Zugriff vom Arbeitsplatz aus Oft reicht
MehrInformation Retrieval
Information Retrieval Norbert Fuhr 12. April 2010 Einführung 1 IR in Beispielen 2 Was ist IR? 3 Dimensionen des IR 4 Daten Information Wissen 5 Rahmenarchitektur für IR-Systeme IR in Beispielen IR-Aufgaben
MehrErfolgreich suchen im Internet
Erfolgreich suchen im Internet Steffen-Peter Ballstaedt 05.10.2015 Statistik Weltweit: etwa 1 Milliarde Websites BRD: 15 Millionen Websites Das Internet verdoppelt sich alle 5,32 Jahre Die häufigste Aktivität
MehrMaschinelle Übersetzung
Hauptstudiumsprojekt SoSe 07 Maschinelle Übersetzung Walther v. Hahn, Cristina Vertan {vhahn,vertan}@informatik.uni-hamburg.de Wozu dient ein Projekt? Projekte im Umfang von 6 SWS dienen der Bearbeitung
MehrInformationen / Literatur suchen und finden 1. Dr. Friedrich Rost
Informationen / Literatur suchen und finden 1 http://friedrichrost.de/twa1/unterlagen.htm Dr. Friedrich Rost 1 Überblick Informationsbedarfsituationen Sich auf dem Laufenden halten Gezielte Informations-
MehrTheoretische Informatik: Berechenbarkeit und Formale Sprachen
Theoretische Informatik: Berechenbarkeit und Formale Sprachen Prof. Dr. F. Otto Fachbereich Elektrotechnik/Informatik, Universität Kassel 34109 Kassel, Germany E-mail: otto@theory.informatik.uni-kassel.de
MehrInternet-Suchmaschinen Evaluierung. Vorüberlegungen. Perspektiven auf IR-Systeme. Fragestellungen an die Evaluierung
nternet-suchmaschinen Evaluierung Vorüberlegungen Norbert Fuhr Warum evaluieren? Anforderungen an Evaluierungen Qualitätskriterien 1 / 83 Perspektiven auf R-Systeme Fragestellungen an die Evaluierung Benutzer
MehrSuchen und Sortieren
Ideen und Konzepte der Informatik Suchen und Sortieren [Ordnung muss sein ] Kurt Mehlhorn (viele Folien von Kostas Panagiotou) Suchen Welche Telefonnummer hat Kurt Mehlhorn? Wie schreibt man das Wort Equivalenz?
MehrEinführung in das wissenschaftliche Arbeiten. Einführung in Word, Excel, Powerpoint
Einführung in Word, Excel, Powerpoint 3 27.10.2010 Vorweg Computer wird hier begleitend und phasenweise eingesetzt Bitte nicht sofort einloggen! Keine privaten E-Mails während des Unterrichts! Kein privates
Mehrphysik multimedial: LiLi und die Lernplattform
physik multimedial Lehr- und Lernmodule für das Studium der Physik als Nebenfach physik multimedial: LiLi und die Lernplattform "elearning und Multimedia" Oldenburg, Julika Mimkes: mimkes@uni-oldenburg.de
MehrKurze Wege Übungen. Prof. Dr. Rainer Koschke 1 Dipl.-Inform. Jochen Quante 1 Dipl.-Inform. Raimar Falke 1
Kurze Wege Übungen Prof. Dr. Rainer Koschke 1 Dipl.-Inform. Jochen Quante 1 Dipl.-Inform. Raimar Falke 1 1 Arbeitsgruppe Softwaretechnik Fachbereich Mathematik und Informatik Universität Bremen 22. März
MehrSeminar Green-IT. Wissenschaftliches Arbeiten. Web: http://www.nm.ifi.lmu.de/seminar Email: seminar12@nm.ifi.lmu.de
Seminar Green-IT Wissenschaftliches Arbeiten Web: http://www.nm.ifi.lmu.de/seminar Email: seminar12@nm.ifi.lmu.de Ablauf des Seminars und Termine Einführungsveranstaltung Donnerstag, 26. April 16:00 Uhr
MehrRUHR-UNIVERSITÄT BOCHUM. Angewandte Informatik Infoveranstaltung zum dritten Semester
Angewandte Informatik Infoveranstaltung zum dritten Semester 26.09.2016 Änderungen ab dem dritten Semester keine automatische Anmeldung zu neuen Fächern weiterhin Anmeldung zu nicht bestandenen Fächern
MehrBASE und andere Suchmaschinen für die wissenschaftliche Recherche
BASE und andere Suchmaschinen für die wissenschaftliche Recherche von Sebastian Wolf Dieser Artikel gibt einen Überblick auf unsere wissenschaftlichen Suchmaschine BASE (Bielefeld Academic Search Engine)
MehrInternet-Suchmaschinen 1. Einführung
Internet-Suchmaschinen 1. Einführung Norbert Fuhr 2. April 2015 1 / 1 Einführung Internet-Suche Internet-Suche Beispiele Web-Suche 4 / 1 Internet-Suche Beispiele Produktsuche in Internet-Shops 5 / 1 Internet-Suche
Mehr"Richtig" googeln. - Kinderuni Trier Dipl.-Psych. Jennifer Schroth (ZPID)
"Richtig" googeln - Kinderuni Trier 21.05.2016 Dipl.-Psych. Jennifer Schroth (ZPID) Was machen wir heute? Recherchieren im Internet: Welche Suchmaschinen kann ich wofür nutzen? Wie formuliere ich meine
MehrInformation Retrieval. Peter Kolb
Information Retrieval Peter Kolb Semesterplan Einführung Boolesches Retrievalmodell Volltextsuche, invertierter Index Boolesche Logik und Mengen Vektorraummodell Evaluation im IR Term- und Dokumentrepräsentation
MehrPraktikum zur Vorlesung Einführung in die Geophysik
Praktikum zur Vorlesung Einführung in die Geophysik Hinweise zum Praktikum: Messunsicherheit und Fehlerrechnung Stefan Wenk, Prof. Thomas Bohlen TU Bergakademie Freiberg Institut für Geophysik www.geophysik.tufreiberg.de/pages/studenten/praktika/nebenfaechlerpraktikum.htm
MehrHow To: Bachelor SWT. Heiko Geppert. Fachgruppe Informatik
How To: Bachelor SWT Heiko Geppert Fachgruppe Informatik 12.10.2015 Übersicht Das Studium Das erste Semester Scheine des 1. Semesters Prüfungen Deadlines und Prüfungsordnung LSF und Stundenplan Tipps &
MehrHyperlink-Erstellung in InDesign für
Hyperlink-Erstellung in InDesign für Übersicht Sie können in InDesign Hyperlinks erstellen, sodass nach einem Export in eine Adobe PDF- oder SWF-Datei die Benutzer über einen Klick auf den Link zu anderen
MehrNutzung maschinellen Lernens zur Extraktion von Paragraphen aus PDF-Dokumenten
Nutzung maschinellen Lernens zur Extraktion von Paragraphen aus PDF-Dokumenten Albert-Ludwigs-Universität zu Freiburg 13.09.2016 Maximilian Dippel max.dippel@tf.uni-freiburg.de Überblick I Einführung Problemstellung
MehrSemestralklausur zur Vorlesung. Web Mining. Prof. J. Fürnkranz Technische Universität Darmstadt Sommersemester 2006 Termin:
Semestralklausur zur Vorlesung Web Mining Prof. J. Fürnkranz Technische Universität Darmstadt Sommersemester 2006 Termin: 26. 7. 2006 Name: Vorname: Matrikelnummer: Fachrichtung: Punkte: (1).... (2)....
MehrObligationenrecht Allgemeiner Teil (Gruppe 2)
Rechtswissenschaftliches Institut Universität Zürich Lehrstuhl für Privat-, Wirtschafts- und Europarecht Rämistrasse 74/24 CH-8001 Zürich Telefon +41 44 634 44 48 Telefax +41 44 634 43 84 Prof. Dr. Claire
MehrInformationsexplosion oder falsche Suchstrategie? Suchstrategien...
www.google.at Wer suchet, der findet... Eine Anleitung zur Suche im Web Informationsexplosion oder falsche Suchstrategie? Suchstrategien...... mit Konzept ans Suchen beides! Suchansätze»best practice«intuitive
MehrVorlesung Modellierung Modellierungsmethoden der Informatik. Wintersemester 2011/12. Lernplattform Moodle. Wer sind wir?
Vorlesung Modellierung Modellierungsmethoden der Informatik Wintersemester 2011/12 Prof. Barbara König Übungsleitung: Dr. Sander Bruggink Das heutige Programm Organisatorisches Vorstellung Ablauf der Vorlesung
MehrWelche Dienste/Serverarten aus dem Internet gehören zu folgenden Adressen? 2
Semester Informationsmanagement Aufgabe Min Welche Dienste/Serverarten aus dem Internet gehören zu folgenden Adressen? 2 Adresse news.uni-hamburg.de ftp://ftp.rhrz.uni-bonn.de/ http://www.ub.uniduesseldorf.de/index.htm
MehrDie Lehr - und. physik multimedial
Die Lehr - und physik multimedial Institute for Science Networking Oldenburg GmbH Übersicht Die Lehr und Das Kursmanagement Die Physik- sbedingungen Statistiken Die Lehr und 2001-2003: Erstellung der physik
Mehrlimlhaidftswgirzälhimds
limlhaidftswgirzälhimds 1 Einführung 1 1.1 Die Bedeutung der Suchmaschinen 2 1.2 Ein Buch über Google? 6 1.3 Ziel dieses Buchs 7 1.4 Über Suchmaschinen sprechen 8 1.5 Aufbau des Buchs 8 1.6 Aufbau der
MehrTERMINE VERWALTEN. von CiL-Support-Team Stand: März 2017
TERMINE VERWALTEN von CiL-Support-Team Stand: März 2017 Inhalt 1. Allgemeines... 2 2. Kursinfo-Seite... 2 2.1. CAMPUS-TERMINE IMPORTIEREN... 3 3. Kalender (Lernraum)... 3 3.1. EREIGNIS HINZUFÜGEN... 3
MehrTheoretische Informatik: Berechenbarkeit und Formale Sprachen
Theoretische Informatik: Berechenbarkeit und Formale Sprachen Prof. Dr. F. Otto Fachbereich Elektrotechnik/Informatik, Universität Kassel 34109 Kassel, Germany E-mail: otto@theory.informatik.uni-kassel.de
MehrGrundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften
Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Grundlagen der Biometrie, WS 2011/12 Vorlesung: Dienstag 8.15-9.45,
MehrLiteratursuche II. Ziele: Bibliotheksführung in der ZB. Aufbau eines Artikels. Methodenpropädeutikum II Allgemeine Psychologie (Kognition)
Ziele: Literatursuche II Methodenpropädeutikum II Allgemeine Psychologie (Kognition) Nachträge Bibliotheksführung Tutorat Vortrag am Ende des Semesters Beispiel einer Präsentation Kurze Repetition vom
MehrPosterdruck mit Microsoft PowerPoint unter Windows 7
Posterdruck mit Microsoft PowerPoint unter Windows 7 Einleitung Diese Anleitung richtet sich an Benutzer des URZ Posterdruck-Dienstes und erläutert die Erstellung von PDF/X--kompatiblen Dateien mit Anwendungen
MehrEvaluation der Lehre durch die Studierenden: Vorlesungen
Fragen zur Vorlesung Evaluation der Lehre durch die Studierenden: Vorlesungen Wenn nein, wie oft ist die Vorlesung ausgefallen? - Stoffauswahl: - Gliederung, roter Faden: - Folien: - Tafelanschrift: -
MehrLehrangebot. Fachgebiet Informationssysteme Prof. Dr. Norbert Fuhr. N. Fuhr, U. Duisburg-Essen. Lehrangebot
Lehrangebot Fachgebiet Informationssysteme Prof. Dr. Norbert Fuhr N. Fuhr, U. Duisburg-Essen Lehrangebot 1 Lehrangebot des FG Informationssysteme Datenbanken Internet-Suchmaschinen Information Retrieval
MehrGrundlagen für die Bewertung von Online-Ressourcen und Richtlinien für die Verwendung von Online-Ressourcen in den Arbeiten von SchülerInnen kennen
Grundlagen für die Bewertung von Online-Ressourcen und Richtlinien für die Verwendung von Online-Ressourcen in den Arbeiten von SchülerInnen kennen lernen Anlassfälle / Ausgangspunkte Was lernen/üben/verbessern
MehrSuchen mit der Suchmaschine
Suchen mit der Suchmaschine Links einiger Suchmaschinen http://www.google.ch/ http://search.bluewin.ch http://www.altavista.de http://www.fireball.de http://www.metacrawler.de/ http://www.msn.ch Lexikon:
MehrEinleitung: Anmeldung:
1 Einleitung: Um eine einheitliche Gestaltung der Webseite zu gewährleisten bitten wir Sie keine weiteren Textfarben, Großschreibung oder sonstige Varianten zu benutzen. Alles was man benötigt, ist schon
MehrPlagiatsoftware - Konzepte, Einsatzmöglichkeiten, Systeme
Plagiatsoftware - Konzepte, Einsatzmöglichkeiten, Systeme Inetbib-Tagung Münster, 07.09.2006 Dipl. Inform. Bernadette Schlonsok Hochschulrechenzentrum Universität Dortmund Wichtige Fragen Warum sollte
MehrSchubert Foo, Douglas Hendry: for Desktop Searching
Schubert Foo, Douglas Hendry: Evaluation of Visual Aid Suite for Desktop Searching Sergey Tarassenko Einführung Weltweite Verbreitung von Elektronischen Information Schnelle Entwicklung von Suchmaschinen.
MehrMathematik für Informatiker III im WS 05/06 Musterlösung zur 4. Übung
Mathematik für Informatiker III im WS 5/6 Musterlösung zur. Übung erstellt von K. Kriegel Aufgabe : Wir betrachten den Wahrscheinlichkeitsraum der Punkte P =(a, b) aus dem Einheitsquadrat [, ] [, ] mit
Mehr1. Unterrichtsreihe der 4. Klasse "Thema Wolf"
1. Unterrichtsreihe der 4. Klasse "Thema Wolf" 1.1 Ziele Jeder Schüler kann mit der Digitalkamera zwei bis drei Fotos machen, die auf einer Diskette gespeichert werden. Jeder kann seine Bilder in der Schule
MehrE-Rechnung: Einfach, bequem und sicher zahlen
Mit der Funktion E-Rechnung (elektronische Rechnungen) im E-Banking der Zuger Kantonalbank empfangen und bezahlen Sie Ihre Rechnungen bequem, sicher und papierlos. Dabei können Sie die E-Rechnung im E-Banking
MehrSemestralklausur zur Vorlesung. Web Mining. Prof. J. Fürnkranz Technische Universität Darmstadt Sommersemester 2008 Termin: 4. 7.
Semestralklausur zur Vorlesung Web Mining Prof. J. Fürnkranz Technische Universität Darmstadt Sommersemester 2008 Termin: 4. 7. 2008 Name: Vorname: Matrikelnummer: Fachrichtung: Punkte: (1).... (2)....
Mehr