Vorlesung Suchmaschinen Semesterklausur Wintersemester 2013/14

Transkript

1 Universität Augsburg, Institut für Informatik Wintersemester 2013/14 Prof. Dr. W. Kießling 10. Oktober 2013 F. Wenzel, D. Köppl Suchmaschinen Vorlesung Suchmaschinen Semesterklausur Wintersemester 2013/14 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. Information Retrieval [9 Punkte] 2. Preference SQL Anfragen und Auswertung [7 Punkte] 3. Optimierung von Präferenzqueries [8 Punkte] 4. XQuery und XSLT [8 Punkte] 5. Allerlei [8 Punkte]

2 Aufgabe 1: Information Retrieval, 9 Punkte (8+1) Gegeben sind das Vokabular {Klausur, bestehen, Note, Durchschnitt} und folgende Dokumente: D1 = Klausur, bestehen, Note, bestehen, Klausur, Durchschnitt, Klausur, Klausur D2 = Durchschnitt, bestehen, Durchschnitt, Durchschnitt a) Berechnen Sie die Termgewichte für die auftretenden Terme und Dokumente nach dem TFxIDF Verfahren. b) Werten Sie die folgende Anfrage mit dem Vektorraum-Modell aus. Verwenden Sie als Ähnlichkeitsmaß das Skalarprodukt und als Dokumentenvektoren die aus a) berechneten normierten Werte: Q = Note, Durchschnitt Hinweise: Stellen Sie Ergebnisse als Dezimalbrüche dar log(2) 1 3

3 Aufgabe 2: Preference SQL Anfragen und Auswertung, 7 Punkte (3+4) Gegeben ist die folgende Ausprägung der Relation Notebook: Notebook Id CPU RAM System HDD 1 i3 10 Linux i5 8 OS X i5 2 Linux i7 12 Windows i7 16 OS X 128 Dabei gelte: dom(cpu) = {i3, i5, i7} dom(system) = {OSX, W indows, Linux, Solaris} dom(ram) = [2; 16] IN dom(hdd) = [0, 1000] R a) Bestimmen Sie zu folgenden natürlichsprachlichen Anfragen entsprechende Preference SQL Anfragen. Beachten Sie dabei den sprachlichen Unterschied zwischen weichen und harten Bedingungen. i) Finden Sie die Ids aller Notebooks, deren RAM zwingend größer als 8 ist. Unter diesen werden diejenigen bevorzugt, deren Wert für HDD zwischen 256 und 512 liegt. Außerdem soll das System möglichst OS X, nicht aber Windows sein. Beide Wünsche bezüglich HDD und System sind gleich wichtig. ii) Finden Sie die Ids aller Notebooks, für die der folgende Wunsch bezüglich des Systems möglichst gut erfüllt ist: OS X ist bevorzugt vor Windows, Linux ist bevorzugt vor Windows, OS X ist bevorzugt vor Solaris, und Solaris ist bevorzugt vor Linux. b) Bestimmen Sie die Ergebnisse der folgenden Präferenzanfragen an obige Notebook-Instanz: i) ii) SELECT Distinct Id FROM Notebook PREFERRING RAM HIGHEST 16, 2 AND HDD AROUND 750 TRIVIAL TOP 4; SELECT Distinct Id FROM Notebook PREFERRING System NOT IN ('Windows') PRIOR TO (RAM HIGHEST AS P1) GROUPING CPU BUT ONLY Distance(P1) < 8;

4 Aufgabe 3: Optimierung von Präferenzqueries, 8 Punkte (4+4) a) Gegeben sind folgende Relationschemata ohne Angabe der Domänen (Primärschlüssel unterstrichen, Fremdschlüssel in Kursivschrift): R (A, X), R.X ist Fremdschlüssel auf T.X S (C) T (B, X) Die Instanzen aller Attribute beinhalten keine NULLs. Gegeben seien die folgenden schwachen Ordnungen: P 1 := (R.A, < P1 ) P 2 := (S.C, < P2 ) P 3 := (T.B, < P3 ) Betrachten Sie folgende Query SELECT * FROM R, S, T WHERE R.X = T.X PREFERRING (P 1 AND P 2 ) PRIOR TO P 3 ; i) Geben Sie den nicht-optimierten Operatorbaum dieser Query an. ii) Optimieren Sie die Query mit Hilfe des Algorithmus aus der Vorlesung. Geben Sie nach jeder angewandten Regel deren Namen sowie den entstandenen Operatorbaum an. b) Gegeben sind folgende Präferenzen mit regulärer SV-Semantik: P 1 = P OS/P OS(P reiskategorie, {gratis}, {billig}) P 2 = P OS/NEG(Beschaffenheit, {gut}, {schlecht}) P 3 = Layered 3 (F arbe, {gruen}, {gelb}, OT HERS, {rot}) P 4 = P 1 P 2 P 3 i) Bestimmen Sie das maximale Level von P 4 sowie die Höhe und ii) Knotenanzahl eines entsprechenden Better-Than-Graphen. iii) Welches Pruning-Level hat das Tupel (billig, gut, rot) bzgl. dieses Graphen?

5 Aufgabe 4: XQuery und XSLT, 8 Punkte (4+4) Gegeben ist eine Speisekarte speisekarte.xml im XML-Format: <?xml version="1.0" encoding="utf-8"?> <gerichte> <suppe> <name>lauchsuppe</name><kalorien>0.5</kalorien> </suppe> <suppe> <name>specksuppe</name><kalorien>2.3</kalorien> </suppe>... <hauptgericht> <name>schweinebraten</name><kalorien>9.7</kalorien> </hauptgericht> <hauptgericht> <name>giant Atomic Burger</name><kalorien>8.37</kalorien> </hauptgericht>... </gerichte> a) Erzeugen Sie mit XQuery eine wohlgeformte XML-Struktur mit dem Aussehen: <mahlzeiten> <mahlzeit kalorien="k_1"> <suppe>s_1</suppe><hauptgericht>h_1</hauptgericht> </mahlzeit>... <mahlzeit kalorien="k_n"> <suppe>s_n</suppe><hauptgericht>h_n</hauptgericht> </mahlzeit> </mahlzeiten> Dabei sei S j der Name einer Suppe und H j der Name eines Hauptgerichts für j = 1,..., n (Eine bestimmte Reihenfolge ist nicht zu berücksichtigen). Hierbei sollen nur diejenigen Paare (S k, H l ) in der Liste auftauchen, für die die Summe der Kalorien K k + K l aus Suppe S k und Hauptgericht H l weniger als 10 Kalorien ist. b) Erzeugen Sie mit XSLT aus der XML-Struktur von Aufgabe a) eine Tabelle im HTML-Format mit dem Aussehen Kalorien Suppe Hauptgericht K 1 S 1 H 1.. K n S n H n Es genügt mit dem <table>-tag als Rootelement des HTML-Dokuments zu beginnen!.

6 Aufgabe 5: Allerlei, 8 Punkte ( ) a) Gegeben ist die Relation Restaurant mit den Domänen dom(distance) = {0, 1, 2, 3, 4, 5} dom(quality) = {excellent, good, average} und folgender Instanz: Restaurant ID distance quality 1 5 excellent 2 4 good 3 3 average 4 2 excellent 5 1 good 6 0 average Zeichnen Sie die Hasse-Diagramme bzgl. der Relation Restaurant für folgende Präferenzen: P 1 = LOWEST 3 (distance) P 2 = LAYERED 2 (quality, { excellent }, { good }, OTHERS) b) Wir betrachten die Pareto-Präferenz P 3 = P 1 P 2. Wie sieht das Hasse-Diagramm von P 3 bzgl. der Relation Restaurant aus, wenn P 1 und P 2 mit regulärer SV-Semantik definiert sind? c) In welchen Teilen einer Preference SQL Anfrage können Qualitätsfunktionen eingesetzt werden? d) Wie hängen Fallout und Recall im Information Retrieval voneinander ab? e) Nennen Sie die vier Komponenten einer Suchmaschine! f) Geben Sie jeweils ein Beispiel für einen unstrukturierten, semi-strukturierten und strukturierten Korpus an!