Darstellung der Methodik in TREC und TREC-basierte Evaluierung

Transkript

1 Darstellung der Methodik in TREC und TREC-basierte Evaluierung Martin Jansson Philip Korte Lukas Wozniak 13. November 2005 Jansson, Korte, Wozniak 1

2 Inhaltsverzeichnis Was ist TREC? Die Ziele der Konferenz Organisation und Teilnehmer Methoden und Mittel Untersuchung eines TRACKs Vorgehen in TREC 13. November 2005 Jansson, Korte, Wozniak 2

3 Was ist TREC? Steht für Text REtrieval Conference Wurde 1992 gegründet. Teil des TIPSTER Projektes Wird von dem National Institute of Standards and Technology (NIST) mitfinanziert. 13. November 2005 Jansson, Korte, Wozniak 3

4 Ziele der Konferenz Nötige Infrastruktur liefern, auf welcher dann die Information Retrieval Community ihre Forschungen im Bereich des Text Retrieval aufbauen kann. Erleichtern von Forschungsanstrengungen im Bereich IR, die auf großen Testmengen aufbauen. Erhöhung des Kommunikationsflusses zwischen Forschung, Industrie und Regierung Schnellere Markteinführung neuer Produkte durch Testen neuer Forschungsergebnisse auf Alltagstauglichkeit Verbesserung von Evaluierungstechniken und deren Anpassung an State-of-the-art Technik 13. November 2005 Jansson, Korte, Wozniak 4

5 Ablauf von TREC Zu jeder TREC wird von der NIST eine Menge von Dokumenten und Anfragen zur Verfügung gestellt. Diese Dokumentenmenge wird von Experten untersucht. Jedes Dokument wird auf Relevanz bezüglich der Anfragen bewertet. Die Teilnehmer wenden nun ihre eigenen Retrieval Systeme auf die Daten an, und geben der NIST eine Liste der Relevantesten gefundenen Dokumente wieder. Nutzung der Pooling Methode zur Auswertung der Daten 13. November 2005 Jansson, Korte, Wozniak 5

6 Sonstiges 2003 nahmen 93 Teilnehmer aus 22 Ländern an TREC teil Die erhalteten Ergebnisse werden zusammen mit den Test Kollektionen der Allgemeinheit zur Verfügung gestellt. Als Effekt der Konferenz kann vermerkt werden, dass in den ersten 6 Jahren von TREC die Retrieval Systeme ihre Effektivität ungefähr verdoppelt haben. Große Popularität, da Auseinandersetzng mit verschiedenen Sprachen, wie z.b. Chinesisch 13. November 2005 Jansson, Korte, Wozniak 6

7 Methoden und Mittel TREC unterscheided zwischen verschiedenen Retrieval Arten, den sogenannten TRACKs, oder Topics. Topics bieten normalerweise ein spezifisches Problem, welches vom normalen Retrieval leicht abweicht. So gibt es beispielsweise ein Topic, in welche das eigene System auf Fragen Antworten liefern muss, wärend ein anderes Topic sich mit Spamerkennung auseinandersetzt. Zu jedem Topic (oder Forschungsgebiet) werden Kollektionen und Problemstellungen (meistens Anfragen) zur Verfügung gestellt, um die Vergleichbarkeit zu gewährleisten. In der Geschichte von TREC gab es bisher 13 verschiedene Topics, von denen dieses Jahr 7 angeboten werden. 13. November 2005 Jansson, Korte, Wozniak 7

8 Vorgehen in TREC Testbasis Objekte (Dokumente,... ) Anfragen (Topics) einheitliche Relevanzbeurteilung Chronologische Abfolge Ausgabe der Anfragen Einreichen von Ergebnissen Bekanntgabe der Ergebnisse 13. November 2005 Jansson, Korte, Wozniak 8

9 Die Pooling Methode Recall-Abschätzungen werden durch die Pooling Methode ermittelt, dadurch werden die IR Verfahren vergleichbar Mehrere IR Systeme werden auf den selben Dokumtenbestand angewendet Die Ergebnisse mehrerer Systeme zu den gleichen Anfragen werden zusammengetragen Starke Überlappungen in den Antwortmengen, machen das Verfahren aufwändig! Gemessene Recall Werte i.a. Zu optimistisch, da nur untere Schranken fürrelevanz geliefert werden 13. November 2005 Jansson, Korte, Wozniak 9

10 Relevanzurteile Sind von entscheidender Wichtigkeit für die Testkollektion Ermöglicht Ermittlung von Recall, Precision und Fallout Für jedes Topic ist es erforderlich eine Liste von relevanten Dokumenten zusammen zu stellen, die auf Anfragen geliefert werden sollten 13. November 2005 Jansson, Korte, Wozniak 10

11 Topics Sind dazu da, um die wirkliche Benutzer Erfordernis (user need) nachzuahmen Topics sind von Leuten gemacht worden welche sich mit einem Retrieval System beschäftigen Jedes Topic ist auf die selbe standardisierte Weise formatiert worden, um Anfragekonstrukte zu vereinfachen 13. November 2005 Jansson, Korte, Wozniak 11

12 Beispiel eines Topics Beispiel-Topic <TOP> <HEAD> Tipster Topic Description <NUM> Number: 066 <DOM> Domain: Science and Technology <TITLE> Natural Language Processing <DESC> Document will identify a type of natural language processing technology which is being developed or marketed in the U.S. <NARR> A relevant document will identify a company or institution developing or marketing a natural language processing technology, identify the technology, and identify one or more features of the company s product. <CON>NLP, translation, language, dictionary, font, software <NAT> U.S. </TOP> 13. November 2005 Jansson, Korte, Wozniak 12

13 Beispiel einer Suchanfrage Werden in der TREC-Collection TOPIC S genannt <top> <num> Number: 168 </num> <title> Topic: Financing AMTRAK </title> <desc> Description: A document will adress the role of the Federal Goverment in Financing the operation of National railroad Transportation Coporation (AMTRAK) <narr> Narrative: A relevant document must provide information on The goverment s responsibility to make AMTRAK an economically viabla entity. It could also discuss the privatization of AMTRAK as an alternative to continuing Goverment subsides given to air and bus transportation with Those provided to AMTRAK would also be relevant. </narr> </top> 13. November 2005 Jansson, Korte, Wozniak 13

14 Relevanzurteile Relevanzurteile: 51 0 AP AP AP AP AP AP AP AP AP AP AP AP AP AP Die 1. Zahl ist die Topic-ID, die 2. Zahl ist zu ignorieren, in der 3. Spalte ist die Dokument-ID (in allen Fällen aus AP), und die letzte Zahl gibt an, ob das Dokument relevant ist (1) oder nicht (0). 13. November 2005 Jansson, Korte, Wozniak 14

15 Ergebnisse Trec_Eval Queryid (Num): 1000 Total number of documents over all queries Retrieved: Relevant: Rel_ret: Interpolated Recall - Precision Averages: at at at at at at at at at at at Average precision (non-interpolated) for all rel docs(averaged over queries) Precision: At 5 docs: At 10 docs: At 15 docs: At 20 docs: At 30 docs: At 100 docs: At 200 docs: At 500 docs: At 1000 docs: R-Precision (precision after R (= num_rel for a query) docs retrieved): Exact: November 2005 Jansson, Korte, Wozniak 15

16 Beispiele für TREC Tracks im Jahr 2005 (1) Enterprise Track Erforschung der Suche im Unternehmen, um den Kunden bestmöglich zufrieden zu stellen Genomics Track Beschaffung von Genstrukturen, Laborergebnissen und Forschungsdokumente 13. November 2005 Jansson, Korte, Wozniak 16

17 Beispiele für TREC Tracks im Jahr 2005 (2) HARD Track Exakte Wiederbeschaffung von Dokumenten durch Wissen über den Benutzer und / oder den Suchkontext. Dies wird möglich gemacht durch Techniken wie Passage Retrieval und Benutzung von zielgerichteter Interaktion mit dem Suchenden Question Answering Track Versuch sich mehr dem Information Retrieval statt dem Document Retrieval zu nähern SPAM Track SPAM Filter Verbesserung durch Standard Evaluation 13. November 2005 Jansson, Korte, Wozniak 17

18 TRACKs : Question-Answer Track ( 04) QA Track Bestandteil seit 1999 Ziel : Antworten statt Dokumentenliste mit Antwortmöglichkeiten Frage ist Frageserie, die Informationen sucht. Letzte Teilfrage allgemein : Erzähl mir etwas, dass ich noch nicht wusste. 13. November 2005 Jansson, Korte, Wozniak

19 Question-Answer Track : Frageserie Bezug der Fragen: -Ding - Organisation -Person [- Event (ab 2005)] Aufbau (max 10): - X Faktenfragen Listenfragen - 1 Other Frage (allgemeine Frage) 13. November 2005 Jansson, Korte, Wozniak

20 Question-Answer Track : Entwicklung Faktenfragen (1999) Wieviele Kalorien hat ein BigMac? Listenfragen Nenne alle Kaugummisorten Definitionsfragen (2004) Was ist ein goldener Handschlag? 13. November 2005 Jansson, Korte, Wozniak

21 Question-Answer Track : Fragengenerierung average reader szenario als Grundlage Auswertung der Suchmaschinen Logs Assistenten erstellen Fragen zum Thema Suche der Assistenten: Antworten und Interessantes Nebenwissen (Dokumentenpool ist meistens der AQUANT Corpus of English News Text ) NIST Mitarbeiter erstellen finale Fragen 13. November 2005 Jansson, Korte, Wozniak

22 Question-Answer Track : Bewertung Antworten werden von Hand ausgewertet Typen (Factoid & List) : - incorrekt - not supported - not exact - correct -NIL Information Nuggest (Other) - vitale und nicht vitale Nuggets 13. November 2005 Jansson, Korte, Wozniak

23 Question-Answer Track : Bewertung Final Score : 0.50 x FactoidAccuracy x ListAveF x OtherAveF 13. November 2005 Jansson, Korte, Wozniak

24 Question-Answer Track : Muster November 2005 Jansson, Korte, Wozniak

25 Danke für die Aufmerksamkeit! Noch Fragen? 13. November 2005 Jansson, Korte, Wozniak 25

26 Quellenangabe Offizielle TREC Homepage (3. November 2005) Information Retrieval Skriptum zur Vorlesung im SS 05, Norbert Fuhr (4. April 2005) 13. November 2005 Jansson, Korte, Wozniak 26