Vorlesung Suchmaschinen Semesterklausur Sommersemester 2015

Transkript

1 Universität Augsburg, Institut für Informatik Sommersemester 2015 Prof. Dr. W. Kießling 15. Juli 2015 F. Wenzel, L. Rudenko Suchmaschinen Vorlesung Suchmaschinen Semesterklausur Sommersemester 2015 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 [8 Punkte] 2. Preference SQL Anfragen und Auswertung [8 Punkte] 3. Optimierung und Auswertung von Präferenzqueries [8 Punkte] 4. Stream-Combine [8 Punkte] 5. Allerlei [8 Punkte]

2 Aufgabe 1: Information Retrieval, 8 Punkte (3+3+2) Gegeben ist der folgende Korpus K von Dokumenten in interner Darstellung: D1 = {Augsburg, Europa, Fußball} D2 = {Fußball, Bundesliga} D3 = {Bundesliga, Augsburg} D4 = {Augsburg, Europa} Bearbeiten Sie die folgenden Teilaufgaben durch Ergänzung vorgegebener Matrizen und Tabellen des Lösungsteils: a) Vervollständigen Sie die gegebene Term-zu-Term-Korrelationsmatrix des Lösungsteils durch Ergänzung aller fehlender Werte der Matrix. b) Vervollständigen Sie die gegebene Berechnungstabelle der Fuzzy-Werte µ Ti (D j ) im Lösungsteil anhand des gegebenen Korpus K. c) Gegeben ist die folgende Anfrage Q: Q = (Augsburg OR Europa) AND NOT (Fußball) Werten Sie Q mit Hilfe des Fuzzy-Modells unter Berücksichtigung der Ergebnisse der vorherigen Teilaufgaben auf K aus. Bestimmen Sie die Top-2 Ergebnisse.

3 Aufgabe 2: Preference SQL Anfragen und Auswertung, 8 Punkte (4+4) Gegeben ist die folgende Instanz der Relation Bundesliga: Dabei gelte: dom(rang) = [1; 7] N dom(siege) = [0; 34] N dom(differenz) = [ 200; 200] N Bundesliga Verein Rang Siege Differenz FCB WOB BMG LEV FCA S BVB a) Übersetzen Sie folgende natürlichsprachliche Anfragen in Preference SQL: i) Finden Sie alle Vereine, die zwingend einen Rang größer gleich 1 und kleiner gleich 6 besitzen. Unter diesen sollen diejenigen Vereine zurückgeliefert werden, deren Wert für Siege möglichst zwischen 15 und 20 liegt. Dabei ist eine Abweichung von 2 Siegen akzeptabel. ii) Finden Sie alle Vereine, deren Rang möglichst niedrig ist. Dabei ist eine Abweichung von 4 akzeptabel. Außerdem sollte der Verein möglichst FCA oder BMG, nicht jedoch FCB sein. Dabei ist die Aussage bezüglich des Rangs wichtiger als die Aussage bezüglich bevorzugter Vereine. b) Gegeben sind die folgenden Preference SQL Anfragen an obige Bundesliga Instanz. Bestimmen Sie jeweils das zurückgelieferte Ergebnis: i) SELECT DISTINCT Verein FROM Bundesliga WHERE Differenz < 30 PREFERRING Rang LOWEST 1, 3 TRIVIAL AND Differenz HIGHEST TRIVIAL; ii) SELECT DISTINCT Verein FROM Bundesliga PREFERRING Rang HIGHEST GROUPING Siege BUT ONLY Differenz > 5;

4 Aufgabe 3: Optimierung und Auswertung von Präferenzqueries, 8 Punkte (4+4) a) Gegeben ist die folgende Definition der Relationen Buch und Autor: CREATE TABLE Buch (Titel VARCHAR(50) NOT NULL, ISBN NUMERIC PRIMARY KEY, AutorID INTEGER FOREIGN KEY REFERENCES Autor(PersID), Auflage NUMERIC); CREATE TABLE Autor (PersID INTEGER PRIMARY KEY, Land VARCHAR(20)); Weiter sind folgende Basispräferenzen gegeben: P 1 = POS(Titel, { Understanding SQL }, REGULAR) P 2 = AROUND 5 (Auflage, 50000, REGULAR) P 3 = NEG(Land, { Schweden, Finnland }, REGULAR) Weiterhin sind folgende Terme in Preference Relational Algebra (PRA) gegeben: A1 := σ[p 1 Grouping ISBN](Buch) A2 := σ[p 1 P 3 ](σ Buch.AutorID=Autor.P ersid (Buch Autor)) A3 := π T itel,isbn (σ[p 2 ](Buch)) A4 := σ[p 1 P 3 ](Buch Autor) Optimieren Sie jeden Term A1, A2, A3, A4 mittels bekannter Transformationsgesetze für PRA. Nennen Sie dabei die Namen der angewandten Gesetze. b) Gegeben ist die Relation R(A, B) mit dom(a) = {black, blue, red, white, yellow, purple} und dom(b) = N. Betrachten Sie die folgende Instanz von R: R A B black 7 blue 2 red 1 white 4 red 5 Gegeben ist nun die folgende komplexe Präferenz: P = POS(A, { red, blue }, REGULAR) AROUND 2 (B, 5, REGULAR). i) Werten Sie σ[p ](R) gemäß der gegebenen Tupelreihenfolge mittels BNL mit Windowgröße 5 aus. Bestimmen Sie das Endergebnis sowie die Anzahl notwendiger Dominanzvergleiche. Eine Angabe von Zwischenschritten ist nicht notwendig. ii) Geben Sie eine Tupelreihenfolge für R an, die die Anzahl benötigter Dominanzvergleiche für die BNL Auswertung minimiert und geben Sie die Anzahl der Vergleiche an.

5 Aufgabe 4: Stream-Combine, 8 Punkte (7+1) Gegeben sind die Objekte o1 bis o5 mit Rang und Score bzgl. zweier Attribute A1 und A2. S1: Anfrage bzgl. A1 Rang Score Objekt o2 o3 o4 o5 o1... S2: Anfrage bzgl. A2 Rang Score Objekt o1 o4 o2 o3 o5... Zusätzlich sei F (x 1, x 2 ) = 2x 1 + x 2 die Kombinationsfunktion p = 1 die Intervallgröße für die Rückschau Gesucht sind die Top-2 Ergebnisse. a) Die Ausführung von Stream-Combine habe begonnen: Objekt gelesen in S1 Score in S1 gelesen in S2 Score in S2 Max. agg. Score o2 ja 0.95 nein o1 nein 0.90 ja o3 ja 0.90 nein o4 nein 0.90 ja Setzen Sie die Auswertung fort, bis die k = 2 besten Ergebnisse gefunden werden. Verwenden Sie die Vorlagen auf dem Lösungsteil. b) Angenommen, ein Random Access Zugriff dauert 4 msec und ein Sorted Access Zugriff 1,5 msec. Berechnen Sie die Gesamtzugriffszeit bis zur Terminierung des Algorithmus.

6 Aufgabe 5: Allerlei, 8 Punkte ( ) a) Gegeben sind die maximalen Level der dreier Präferenzen P 1, P 2, P 3 : max(p 1 ) = 3, max(p 2 ) = 1, max(p 3 ) = 5 Bestimmen Sie das Pruning-Level des Knotens (2, 0, 3) in einem BTG-Graph für P 1 P 2 P 3 unter regulärer SV-Semantik. b) Eine Datenbank besitzt 1000 Dokumente. Nach einer Anfrage Q werden 150 Dokumente zurückgeliefert, von denen 120 für den Benutzer relevant sind. 810 Dokumente, die nicht angezeigt wurden, sind für den Benutzer nicht von Interesse. Berechnen Sie den Fallout. c) Gegeben ist die Relation Car mit den Domänen dom(color) = {black, green, blue, red, white} und dom(price) = R + 0 sowie der folgenden Instanz: Weiter existieren folgende Präferenzen: Car id color price 1 black black blue red black 5650 P 1 = POS/POS(color, { black, blue }, { red }, TRIVIAL) P 2 = AROUND 500 (price, 5500, REGULAR) P = P 1 P 2 i) Zeichnen Sie das Hasse-Diagramm für Präferenz P bezogen auf obige Car Instanz. ii) P 2 ist nun ohne d-parameter gegeben: P 2 = AROUND(price, 5500, REGULAR). Wie sieht das Hasse-Diagramm für Präferenz P jetzt aus? d) Gegeben ist der aus der Vorlesung bekannte Mozart-Datensatz, gespeichert in der Datei Mozart.xml. Nachfolgend ist eine Beispielinstanz abgebildet: <MOZART> <WERK> <KV>KV 1</KV> <JAHR>1761</JAHR> <ORT>Salzburg</ORT> <BESCHREIBUNG>Menuett fuer Klavier</BESCHREIBUNG> <TONART>G-Dur</TONART> </WERK>... </MOZART> Erzeugen sie mit XQuery eine gültige XML-Struktur mit folgendem Inhalt: Geben Sie alle Werke von Mozart aus, die er zwischen 1765 und 1775 in Salzburg schrieb. Geben Sie jeweils Jahr, Ort und Beschreibung aus.