Ανάκτηση Πληροφορίας — Ιούνιος 2020

Μεταγραφή των σελίδων 1–2 του αρχείου themata.pdf (Ιούνιος 2020).

themata.pdf (σελ. 1-2)

ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΑΣ ΑΝΑΚΤΗΣΗ ΠΛΗΡΟΦΟΡΙΑΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΝΙΟΥ 2020 (ΕΠΙ ΠΤΥΧΙΩ)

Διδάσκων: [όνομα παραλείπεται]

ΔΙΑΡΚΕΙΑ 1:30

1. Συμπληρώστε τα στοιχεία σας σε όλες τις σελίδες.

2. Πρέπει να παραμείνετε υποχρεωτικά στο skype for business μέχρι τέλος εξέτασης.

3. Η εξέταση αφορά κάθε εξεταζόμενο ατομικά. Δεν επιτρέπεται η συνεργασία μεταξύ των εξεταζομένων.

ΘΕΜΑ 1 ( Μονάδες 3.5 )

Στο πρόβλημα του Document Identifier Assignment (ανάθεση αναγνωριστικών σε κείμενα) θέλουμε να απεικονίσουμε τίτλους (ή url) κειμένων ΣΕ ακέραιους αριθμούς, ώστε να υλοποιηθούν οι ανεστραμμένες λίστες του ανεστραμμένου αρχείου της συλλογής. Δηλαδή σε κάθε ανεστραμμένη λίστα μίας λέξης θα αναγράφονται ακέραιοι αριθμοί που θα αντιστοιχούν στα κείμενα στα οποία η λέξη εμφανίζεται. Εξηγήστε την σχέση που έχει η ανάθεση αυτή με την αποδοτική ΣΥΜΠΙΕΣΗ του αντίστοιχου ανεστραμμένου αρχείου και προτείνετε τεχνικές αποτελεσματικής απεικόνισης.

ΘΕΜΑ 2 ( Μονάδες 3.5 )

α) Θεωρώντας ότι ο αριθμός των επιστρεφόμενων κειμένων είναι 40, σχεδιάστε τα γραφήματα ανάκλησης ακρίβειας, για τα ακόλουθα ερωτήματα (δίνονται ο αριθμός των σχετικών κειμένων και η θέση τους στο αποτέλεσμα): Αριθμός: 10, θέση: 1, 3, 4, 6, 7, 10, 15, 22, 30, 39 Αριθμός: 10, θέση: 1, 2, 4, 6, 8, 10, 12, 16, 21, 27.

Με βάση τα δύο προκύπτοντα γραφήματα συγκρίνετε μεταξύ τους τις δύο μηχανές. β) Θεωρήστε ότι έχουμε μία συλλογή κειμένων και όρων που περιγράφεται από τον ακόλουθο πίνακα:

	Data	Algorithm	Graph	List	Tree	Pointer	Array
Doc1	1	0	1	1	0	0	1
Doc2	1	1	0	0	0	1	0
Doc3	1	1	1	1	0	0	0
Doc4	0	0	0	0	0	1	1
Doc5	0	0	1	1	1	1	1
Doc6	1	1	0	0	0	1	1
Doc7	0	1	0	1	0	1	1

Σχεδιάστε το ανεστραμμένο αρχείο το οποίο θα πρέπει να δημιουργηθεί για την αποθήκευση της πληροφορίας που δίνει ο συγκεκριμένος πίνακας. Χρησιμοποιείστε το ανεστραμμένο αρχείο που έχετε δημιουργήσει για να απαντησετε στο ερώτημα: “εντόπισε τα κείμενα που περιέχουν τους όρους Data και Graph.”

ΘΕΜΑ 3 ( 3 )

Περιγράψτε αναλυτικά τον αλγόριθμο υπολογισμού βαρών του Clever. Καταγράψτε τα θετικά και τα αρνητικά της τεχνικής και εξηγείστε αν αντιμετωπίζει ή όχι το spamming/ Τέλος εξηγείστε πως θα μπορούσαμε, ενδεχομένως, να επηρεάσουμε τα

1/2

αποτελέσματα του Clever έτσι ώστε ενσωματώνει και τις προτιμήσεις του εκάστοτε χρήστη. Υποθέστε πως οι προτιμήσεις του εκάστοτε χρήστη καταγράφονται είτε σαν μία συλλογή από keywords είτε σαν μία συλλογή από σελίδες που είχε επισκεφτεί στο παρελθόν.

2/2

Επιπλέον πηγές χωρίς μεταγραφή εδώ (λύσεις → 2020-06.solutions.md, ή διπλότυπες φωτογραφίες της ίδιας σελίδας): Scan-converted.pdf

Λύσεις (🟡 community)

Κατάσταση: 🟡 community Πηγή: σαρωμένες λύσεις χωρίς επίσημο κλειδί (Scan-converted.pdf· πηγή δεν ορίζεται)

Προσοχή

Θέμα 2 α: η λύση γράφει τη θέση 34 για την πρώτη μηχανή, ενώ η εκφώνηση γράφει 39· η τιμή MAP_1 = 0,5784 της λύσης αντιστοιχεί στο 39 (με το 34 θα ήταν περίπου 0,582). Θέμα 1: η λύση είναι ατελής (τελειώνει σε ερώτηση «Τεχνικές;») και δεν απαντά στις τεχνικές αποτελεσματικής απεικόνισης. Θέμα 3 (Clever): δεν υπάρχει λύση στο αρχείο. Το τμήμα «Σεπτέμβρη 2020 (ir24.pdf) Θέμα 3» δεν ανήκει σε αυτή την εξέταση· αφορά τη συνεδρία 2020-09 και είναι ατελές (με κενά στους πίνακες).

Λύσεις — Ανάκτηση Πληροφορίας — Ιούνιος 2020

Σαρωμένες λύσεις χωρίς επίσημο κλειδί, μεταγραφή με OCR. Δεν είναι επαληθευμένες· οι αριθμητικές τιμές ελέγχονται ως προς την εκφώνηση στα warnings.

Scan-converted.pdf

Ιούνιος 2020

Θέμα 1 Ένα από τους κύριους λόγους για τους οποίους χρησιμοποιούμε την ανάθεση αναγνωριστικών σε κείμενα, είναι ότι μπορούν να συμπιεστούν για να μειώσουν την κατοχή. Με την συμπίεση των δεικτών βελτιώνεται η αποτελεσματικότητα της διαδικασίας ανάκτησης. Η μείωση της χωρητικότητας χώρου αντιστοιχεί σε καλύτερη χρήση της ιεραρχίας μνήμης. Τεχνικές;

Θέμα 2 α) Μηχανή = 40 Αριθμός 10, Θέση: 1, 3, 4, 6, 7, 10, 15, 22, 30, 34 Αριθμός 10, Θέση: 1, 2, 4, 6, 8, 10, 12, 16, 21, 27

[Σχήμα: Διάγραμμα Precision-Recall για Μηχανή 1 με άξονες Recall (1/10, 2/10... 1) και Precision (1/3, 2/3, 1)]

[Σχήμα: Διάγραμμα Precision-Recall για Μηχανή 2 με άξονες Recall (1/10, 2/10... 1) και Precision (1/3, 2/3, 1)]

1/1, 2/3, 3/4

Σύγκριση: Υπολογίζουμε εμβαδόν; Μηχανή 2 πιο ιδανική γιατί καλύπτει περισσότερο συνολικό εμβαδόν; ή Χρειάζεται Interpolated Precision [διαγραμμένο]

\(MAP_1 = (1 + \frac{2}{3} + \frac{3}{4} \dots + \frac{9}{30} + \frac{10}{34}) / 10 = 0.5784\) \(MAP_2 = (1 + 1 + \frac{3}{4} + \dots + \frac{10}{27}) / 10 = 0.6523 \Rightarrow\) Μηχανή 2 πιο αποδοτική.

β)

Data	\(\to\)	Doc1	Doc2	Doc3	Doc6
Algorithm	\(\to\)	2	3	6	7
Graph	\(\to\)	1	3	5
List		\(\vdots\)
Tree
Pointer
Array	\(\to\)	1	4	5	6

Data κείμενα 1, 2, 3, 6 ; Graph κείμενα 1, 3, 5 ;

Θέμα 3: ;;;

Σεπτέμβρη 2020 (ir24.pdf) Θέμα 3 N=6 α)

	\(d_1\)	\(d_2\)	\(d_3\)	\(d_4\)	\(d_5\)	\(d_6\)	idf	\(d_1\)	\(d_2\)	\(d_3\)	\(d_4\)	\(d_5\)	\(d_6\)
\(t_1\)	2	6	1	0	2	1	\(\log(6/6)\)	0	0	0	0	0	0
\(t_2\)	1	3	1	2	0	2	\(\log(6/4)\)	\(\log(6/4)\)	\(3\log(6/4)\)	\(\log(6/4)\)	..	0	2..
\(t_3\)	2	1	1	1	0	2	\(\log(6/7)\)	\(2\log(6/7)\)	\(\log(6/7)\)	\(\dots\)	..	0	2..

\(tf\text{-}idf = f \cdot idf\) πόσες φορές υπάρχει

Όλα τα \(tf\text{-}idf\) αρνητικά Το \(q\) δεν [δυσανάγνωστο] \(q = ;\), μέτρηση συνημιτόνου \(= ;\)

✔ Επιβεβαίωσε · ✖ Βρήκα λάθος

---

✖ Βρήκα λάθος στη μεταγραφή