Einführung in Information Retrieval - Vorlesung, Wintersemester 2006/2007

Lehrpersonen

Dozent(in)

• Prof. Dr.-Ing. Norbert Fuhr

Übungsleiter(innen)

• Dipl.-Inform. Sascha Kriewel

Formalia

Zielgruppe

• DAI Hauptstudium mit 6 Kreditpunkten : Bereich "D"
• Kommedia Bachelor: Modul: Anwendungsorientierte Technologien & Methoden (P)

Termine

Beschreibung

Information Retrieval (IR) beschäftigt sich mit der Informationssuche in wenig strukturierten Datenbeständen wie z.B. Texten oder multimedialen Datenbasen. Populäre Anwendungen sind WWW-Suchmaschinen, Digitale Bibliotheken und Multimedia-Archive wie z.B. Bilddatenbanken.

Aufgrund der Vagheit des Informationsbedürfnisses und der unsicheren Repräsentation des Inhaltes der gespeicherten Objekte sind Standard-Datenbankmethoden wenig brauchbar, sondern müssen um die Konzepte Vagheit bzw. Unsicherheit erweitert werden. Da die inhaltsorientierte Suche im Vordergrund steht, sind zudem spezielle Verfahren zur Repräsentation des Inhaltes von Texten und multimedialen Objekten notwendig.

Im Rahmen dieser Vorlesung sollen die grundlegenden IR-Konzepte eingeführt werden und anhand spezieller Anwendungsbereiche illustriert werden.

Inhalt:

• A) Basiskonzepte (Informationskreislauf, Evaluierung)
• B) Repräsentation von Inhalten (Freitextsuche, Dokumentationssprachen, spezielle Logiken)
• C) Modelle (Klassische Modelle, Modelle für Multimedia)
• D) n IR-Systeme (Schichtenmodell, Visualisierung)
• E) IR-Aufgaben (Summarization)
• F) Anwendungsbereiche (WWW-Suchmaschinen)

Hausarbeit

Durch die Bearbeitung der Hausarbeit können Bonuspunkte für die Klausur erworben werden. Die Hinweise auf dem Aufgabenblatt sind hierzu bitte zu beachten. Abgabe der Hausarbeit ist bis spätestens 10.1.2007.

• Aufgabenstellung
• Zusätzliches Material: CountWords.jar

Für CountWords.jar wird Java 5 benötigt. Der Aufruf erfolgt beispielsweise mit java -jar CountWords.jar -de -f datei.txt, um eine Datei mit deutschem Text zu bearbeiten, oder mit java -jar CountWords.jar -en -d dir/, um ein Verzeichnis mit englischsprachigen Dateien zu bearbeiten.

Begleitmaterial

Außer den Folienkopien wird auch ein Skriptum herausgegeben. Daneben sind folgende Bücher/Skripten empfehlenswert:

• R. Baeza-Yates, B. Ribeiro-Neto: Modern Information Retrieval. Addison Wesley.
  (Das Kapitel zu Benutzungsschnittstellen und Visualisierung ist online.)
• R. Belew: Finding Out About. A Cognitive Perspective on Search Engine Technology and the WWW. Cambridge University Press.
• Reginald Ferber: Data Mining und Information Retrieval. dpunkt Verlag.
• C. J. van Rijsbergen: Information Retrieval (HTML-Version des Buches von 1979, aber immer noch lesenswert)

Skriptum

(Das Skriptum deckt den Vorlesungsstoff nicht komplett ab! Einige Teile sind nur als Folien verfügbar.)

• Skript
• M. Hearst: User Interfaces and Visualization

Folien

(einige Links zeigen noch ins Leere)

• Einführung: Ch. Wolff: Information Retrieval Is for Everybody pdf ppt. Demos(nicht prüfungsrelevant)
• 1./2. Einführung, IR-Konzepte
• 3. Evaluierung
• 4. Repräsentation von Textinhalten
• 5. Nicht-probabilistische Modelle
• 6. Probabilistische Modelle
• Clustering
• 9. IR-Systeme
• Visualisierung
• Summarization
• Wiederholung

Notizen

• 2.11.06
• 9.11.06

Prüfungsfragen: Beispiele

Links

• Demos
• XPath Explorer
• The XPathTester
• IPSI-XQ XQuery Demonstrator

Material zu den Übungen

• Organisatorisches, Folien aus der Präsenzübung (PDF)
• Übungsblatt 1: IR-Konzepte
• Übungsblatt 2: Evaluierung 1
• Übungsblatt 3: Evaluierung 2
• Übungsblatt 4: Evaluierung 3
• Übungsblatt 5: Dokumentationssprachen
• Übungsblatt 6: Freitext-Indexierung
• Übungsblatt 7: Vektorraum-Retrieval
• Übungsblatt 8: Clustering
• Übungsblatt 9: Visualisierung, Probabilistisches Retrieval