Språkteknologi

Informationssökning

Johan Boye

Innehåll

Hur funkar en sökmotor? Indexering, Booleska sökmodeller, rankade sökmodeller, tf-idf-viktning, avståndsmått, cosinusmått, PageRank.

Kurslitteratur

• Föreläsningsbilder, Johan Boye
• Introduction to Information Retrieval and Text Clustering, M. Rosell (2009)
• Nya kursboken Jurafsky & Martin:
  • 23
  • 23.1
  • 20.7

Mer litteratur

• Introduction to Information Retrieval Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Cambridge University Press. 2008.
• Information retrieval: Statistcis and linguistics. A short introduction to textual information retrieval . Introduktionskapitel i Jussi Karlgrens doktorsavhandling, Institutionen för lingvistik, Stockholms universitet, 2000.
• Sergey Brin and Lawrence Page (1998). The Anatomy of a Large-Scale Hypertextual Web Search Engine
• Information Retrieval (PDF/Hypertext). Keith van Rijsbergen.
• Introduction to Modern Information Retrieval. Gerard Salton and Michael J. McGill. McGraw-Hill.
• Konferensvolymer för de senaste SIGIR-konferenserna: Proceedings from the Annual International ACM SIGIR Conferences on Research and Development in Information Retrieval.
• Tidigare års föreläsningsbilder, Martin Hassel
• Automatisk textbehandling (PDF), Hercules Dalianis

Exempel på tentafråga

Fråga

Ge exempel på två skilda bruk av informationssökningssystem där det kan vara motiverat att i det ena fallet optimera precision och i det andra täckning.

Svar

Hög täckning: Forskare som söker efter material till en rapport eller jurister som söker efter prejudikat till ett rättsfall behöver i stort sett allt som skrivits om någonting tidigare. De är nog beredda att tröska igenom en del skräp för att vara säkra på det.

Hög precision: Journalister eller uppsatskrivande skolelever behöver ett par tre översikter - om ens det - för att kunna utföra sin uppgift. De tål nog inte att leta efter sina texter över flera skärmsidor dokumentreferenser.