Ανάκτηση Πληροφορίας — Ιανουάριος 2024

2024-01-26_3.22.27_.png

[Λείπει από τη φωτογραφία: επικεφαλίδα ΘΕΜΑ 2 και μοριοδότηση]

Θεωρώντας ότι ο αριθμός των επιστρεφόμενων κειμένων είναι 30, σχεδιάστε τα γραφήματα ανάκλησης ακρίβειας, για τα ακόλουθα ερωτήματα (δίνονται ο αριθμός των σχετικών κειμένων και η θέση τους στο αποτέλεσμα) :

Μηχανή1 Αριθμός: 10, Θέση: 1, 3, 6, 9, 11, 13, 19, 20, 27, 30

Μηχανή2 Αριθμός: 10, Θέση: 1, 4, 6, 10, 11, 12, 15, 16, 28, 30

Με βάση τα δύο προκύπτοντα γραφήματα ανάκλησης ακρίβειας συγκρίνετε μεταξύ τους τις δύο μηχανές. Στη συνέχεια συγκρίνετε τις δύο μηχανές με χρήση των μετρικών P@5, MRR (Mean Reciprocal Rank – Μέσος Όρος Ανάστροφος Βαθμός) και MAP (Mean Average Precision – Μέσος Όρος Μέσης Ακρίβειας).

2024-01-29_041004.png

[Λείπει από τη φωτογραφία: επικεφαλίδα ΘΕΜΑ 2 και μοριοδότηση]

β. Θεωρήστε ότι έχουμε μία συλλογή κειμένων και όρων που περιγράφεται από τον ακόλουθο πίνακα (ο κάθε αριθμός σημαίνει πλήθος εμφανίσεων αντιστοιχου όρου σε κείμενο):

	όρος1	όρος2	όρος3	όρος4	όρος5
Κειμ1	2	1	0	0	0
Κειμ2	0	1	2	0	1
Κειμ3	0	1	0	1	0
Κειμ4	3	0	1	0	0
Κειμ5	0	4	1	0	0
Κειμ6	2	0	0	1	2
Κειμ7	0	1	0	1	1
Κειμ8	0	2	0	4	0

(i) Σχεδιάστε το ανεστραμμένο αρχείο το οποίο θα πρέπει να δημιουργηθεί για την αποθήκευση της πληροφορίας που δίνει ο συγκεκριμένος πίνακας. Χρησιμοποιήστε το ανεστραμμένο αρχείο που έχετε δημιουργήσει για να απαντήσετε στο ερώτημα: "εντόπισε τα κείμενα που περιέχουν τους όρους όρος1 και όρος3".

(ii) Αναπαραστήστε τη συγκεκριμένη συλλογή χρησιμοποιώντας το μοντέλο διανυσματικού χώρου. Περιγράψτε μόνο την αναπαράσταση με αντικατάσταση των σχετικών τιμών, χωρίς εκτέλεση πράξεων.

418911326_1418836962369136_5338836709112097357_n.png

ΘΕΜΑ 3 (Μονάδες 3)

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.

Σημείωση: στη φωτογραφία υπάρχει μαύρη λωρίδα που χωρίζει τα δύο τμήματα της σελίδας, χωρίς κείμενο.

Εξηγήστε την σχέση που έχει η ανάθεση αυτή με την αποδοτική ΣΥΜΠΙΕΣΗ του αντιστοίχου ανεστραμμένου αρχείου και προτείνετε τεχνικές αποτελεσματικής απεικόνισης ώστε η συμπίεση που προκύπτει να είναι αποδοτική.

Επιπλέον πηγές χωρίς μεταγραφή εδώ (λύσεις → 2024-01.solutions.md): 5C83FEDE-0450-4EEB-9328-CDF1AE97B24B.jpg

Σημείωση: η φωτογραφία περιέχει χειρόγραφες απαντήσεις φοιτητή.

Λύσεις (🟡 community)

Κατάσταση: 🟡 community Πηγή: χειρόγραφη λύση φοιτητή σε φωτογραφία (πηγή δεν ορίζεται)

Προσοχή

Η λύση καλύπτει μόνο τους πίνακες ακρίβειας ανά ανάκληση και το P@5 (M1: 2/5 = 40 %, M2: 2/5 = 40 %)· τα MRR και MAP του ΘΕΜΑ 2 α δεν φαίνονται στη φωτογραφία. Οι τιμές ακρίβειας που εμφανίζονται ελέγχονται ως σωστές.

Λύσεις — Ανάκτηση Πληροφορίας — Ιανουάριος 2024

Χειρόγραφη λύση φοιτητή του ΘΕΜΑ 2 α (MAP/MRR, P@k) της κόλλας του 2024-01.

5C83FEDE-0450-4EEB-9328-CDF1AE97B24B.jpg

MAP - MRR

M1: 1, 3, 6, 9, 11, 13, 19, 20, 27, 30

M2: 1, 4, 6, 10, 11, 12, 15, 16, 2[δυσανάγνωστο], 30

[Σχήμα: διάγραμμα Precision (άξονας y) έναντι Recall (άξονας x, τιμές 0,1 έως 1). Δύο καμπύλες: μπλε για M1 και κόκκινη για M2. Ετικέτες άξονα y: 1, 2/3, 3/6, 4/9, 5/11, 6/13, 7/19. Δίπλα στο διάγραμμα: Ανάκληση: ΡΠΑ / R και Ακρίβεια: ΡΠΑ / Α.]

M1	1	3	6	9	11	13	19	20	27	30
Ανάκληση	0.1	0.2	0.3	0.4	0.5	0.6	0.7	0.8	0.9	1.0
Ακρίβεια	1.0	0.66	0.5	0.44	0.45	0.46	0.36	0.4	0.33	0.33

M2	1	4	6	10	11	12	15	16	28	30
Ανάκληση	0.1	0.2	0.3	0.4	0.5	0.6	0.7	0.8	0.9	1.0
Ακρίβεια	1.0	0.5	0.5	0.4	0.45	0.5	0.46	0.5	0.32	0.33

P@k π.χ. Βρες P@5 για M1, M2.

Για τις θέσεις 1, 2, 3, 4, 5

• M1: Στην μηχανή αυτή έχουμε 1, 3, οπότε 2 σχετικά σε 5 θέσεις, άρα P@5 = 2/5 = 40%
• M2: Το ίδιο για τον M2: έχουμε το 1, 4, άρα πάλι P@5 = 2/5 = 40%

✔ Επιβεβαίωσε · ✖ Βρήκα λάθος

---

✖ Βρήκα λάθος στη μεταγραφή