Principi di Information Retrieval

Transcrição

1 Principi di Information Retrieval 5HFRUGV7HVWLH0XOWLPHGLD Marco Gori II Ciclo 2002

2 'DWD%DVHV Basati su schema 7HRULDVROLGD H SDFFKHWWL VZ PROWRDIILGDELOL,O UHFRUG³LPSLHJDWR VRFLHWjFRGILVFFRJQRPHLQGLUL]]RFLWWjVWDWR 2SHUDWRULVHOHFWLRQSURMHFWLRQFDUWHVLDQ SURGXFWMRLQXQLRQ %DVLGDWLDGRJJHWWL Si sfrutta paradigma oggetti Centrati su operatori relazionali

3 4XDOL 'DWL" Semi-strutturati 1RQIRUPDWWDWL O RSSRVWR GHL '% UHOD]LRQDOL 'DWL WHVWXDOLDUWLFROL VFLHQWLILFLSDJLQHGLTXRWLGLDQL 3DJLQH:HE+70/;0/ 'DWL QRQWHVWXDOLLPPDJLQLJUDILFLYRFHYLGHR / HVSORVLRQH GL LQWHUHVVH RJJL:::VHDUFKHQJLQHVHV *RRJOH$OWDYLVWD +RW%RW Senza tags, plain text crawler Index query interface User queries Pagine Web

4 (VHPSL Gli stessi principi in contesti applicativi diversi: Ricerca di articoli, libri in digital libraries World wide web: tecnologie dei motori di ricerca Enciclopedie elettroniche (online o CDROM) Manuali elettronici on-line Ricerca di informazione visuale (persone, ecc...) Ricerca di informazione da archivi video

5 ,O&ODVVLFR JUHSµ 81,;FRPDQGRJUHS $ grep commedia input-file1 input-file2 Linee riconosciute Input files dal file grep Query = commedia

6 3HUFKp O,5 q LPSRUWDQWH" 0ROWD LQIRUPD]LRQH WHVWXDOH q RJJL QRQVWUXWWXUDWD HVWD ³DOODJDQGR LGLVFKLHJHPDLOVDUWLFROL QHZVJURXS,QWHJUD]LRQH GL WH[WUHWULHYDOFRQEDVLGDWLUHOD]LRQDOL,QFUHPHQWRGHOODGRFXPHQWD]LRQH RQOLQH / HVSORVLRQHGHO :HE / HVSORVLRQHGHLGLVSRVLWLYLPXOWLPHGLDOL

7 3HUFKp O,5q 'LIILFLOH"(VLO:HE La dimensione del web raddoppia ogni anno: 50 milioni pagine novembre milioni pagine dicembre milioni febbraio 1999 oggi quasi 2 miliardi non ancora verso la saturazione Enormi quantità di dati (e.g., WWW) impongono soluzioni efficienti Poche centinaia di Mbytes erano considerati larga scala 10 anni fa; si pensi ad un laptop odierno!

8 3HUFKp O,5q 'LIILFLOH" 'DWL QRQVWUXWWXUDWLq GLIILFLOHFDWWXUDUHODVHPDQWLFD GHL GRFXPHQWL&RPSDUD ³VHOHFWIURP(PSOR\HHZKHUH6DODU\! ³UHWULHYHDOOQHZVLWHPVDERXWFRUSRUDWHWDNHRYHU 3HUFKp ODVHFRQGD GRPDQGD q SL GLIILFLOH"/DVHJXHQWH OR q DQFRUD GL SL ³UHWULHYHDOOQHZVLWHPVDERXWFRUSRUDWHWDNHRYHULQYROYLQJ DQ LQWHUQHWFRPSDQ\,GRFXPHQWLQRQKDQQRXQGRPLQLRGHILQLWR q PROWRGLIILFLOHWURYDUHODFDWHJRULDGHLGRFXPHQWL

9 3HUFKp O,5q 'LIILFLOH",O SUREOHPD GHOO LQWHUD]LRQH SHUVRQDOH ODULVSRVWDGDWDDSHUVRQHGLYHUVHGRYUHEEH FRQWHPSODUHOHGLYHUVHHVLJHQ]H &RPHFDWWXUDUHO LQWHQ]LRQH" &RPSDUD XQ 5($'0(ILOHFRQXQ ³XVHUPDQXDO FRPSDUDXQ VRPPDULRFRQXQ UDSSRUWR GHWWDJOLDWR Non si può rispondere soddisfacendo tutti!

10 3HUFKp O,5q 'LIILFLOH",GRFXPHQWLVRQRGLVWULEXLWLH³OLQNDWL HJ +\SHUWH[W H::: 'D GRYHVL SDUWH DFHUFDUH" &RPHVRQR FRUUHODWHOHLQIRUPD]LRQL" velocità Efficienza e efficacia Spesso con conflittuali. qualità

11 'RFXPHQW5HWULHYDO6FKHPDEDVH Relevance Feedback Retrieved documents Formulaz. query Ling. formale UHWULHYDO Rappres. documenti Indexing L utente e la sete di informazione Documenti Documento: stringa caratteri in un singolo file Indice: lista di importanti keywords memorizzate in qualche struttura Query: Boolean (A and B or C), lista di parole, frasi linguaggio naturale Relevance feedback: prova e.g. similar pages con Google

12 2OWUHLO7HVWR Formulazione delle queries: Linguaggio naturale Voce Immagini (queries visuali) Sono databases? Video e segmentazione scene Raggruppamento di argomenti.

13 5LWRUQRDOIXWXUR 6SLHOEHUJ 6LDPRLQGLHWURQHO«DEELDPRLOPXOWLPHGLDHL JLJDELWHV«PDOHQRVWUH ³SLVWROH VRQRDQFRUD LQHIILFDFL 1HOODVFHQHVRWWRSULPDFKH 0DUW\ULSDUWD'RFJOLRIIUHXQD &ROW 6HLVLFXURFKHQRQOD YXRL" 0DUW\VKDNHVVFXRWHOD WHVWD1RJUD]LH,QRJQL FDVRQRQVRFRPHXVDUOD