Ανάκτηση Κειμένου (εισαγωγικά θέματα) Θέματα σχετικά με Εξόρυξη από τον Παγκόσμιο Ιστό. Εξόρυξη Δεδομένων

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Ανάκτηση Κειμένου (εισαγωγικά θέματα) Θέματα σχετικά με Εξόρυξη από τον Παγκόσμιο Ιστό. Εξόρυξη Δεδομένων 2010-2011 1"

Transcript

1 Θέματα σχετικά με Εξόρυξη από τον Παγκόσμιο Ιστό Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 1 Ανάκτηση Κειμένου (εισαγωγικά θέματα) Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 2 Εξόρυξη Δεδομένων

2 Ανάκτηση Πληροφορίας Information retrieval Ανάκτηση Πληροφορίας Η πληροφορία οργανώνεται σε (ένα μεγάλο αριθμό) από κείμενα documents Information retrieval problem: εντοπισμός των σχετικών κειμένων (documents) με βάση την είσοδο του χρήστη όπως λέξεις κλειδιά ή παραδείγματα κειμένου Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 3 Ανάκτηση Πληροφορίας Βασικές έννοιες Ένα έγγραφο (document) αρχείο κειμένου μπορεί να περιγράφει από ένα σύνολο αντιπροσωπευτικών λέξεων κλειδιά (keywords) που ονομάζονται όροι δεικτοδότησης index terms. Διαφορετικοί όροι με διαφορετικό βαθμό σχετικότητας μπορούν να χρησιμοποιηθούν για την περιγραφή κειμένων με διαφορετικό περιεχόμενο Αυτό επιτυγχάνεται με την ανάθεση αριθμητικών βαρών (numerical weights) σε κάθε όρο δεικτοδότησης του κειμένου (π.χ.: συχνότητα, tf idf) Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 4 Εξόρυξη Δεδομένων

3 Ανάκτηση Πληροφορίας Επιλέγουμε ένα σύνολο από όρους Το μοντέλο ενός αρχείου Δυαδικό (Boolean) μοντέλο: 1: αν ο όρος υπάρχει 0: αν ο όρος δεν υπάρχει Ερώτηση (t 11 t 12 t i11 ) (t 21 t 22 t 2i2 ). (t j1 t j2 t jij ) Όπου τα t ij είναι όροι Όλα τα έγγραφα που έχουν τους όρους Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 5 Ευρετηριοποίηση για την Ανάκτηση Κειμένου Παράδειγμα Did Λέξεις Κλειδιά 1 agent James Bond 2 agent mobile computer 3 James Madison movie 4 James Bond movie Παραδείγματα ερωτήσεων: Agent, James and agent, Agent or James Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 6 Εξόρυξη Δεδομένων

4 Ευρετηριοποίηση για την Ανάκτηση Κειμένου Συνήθως, κατασκευάζονται ευρετήρια που περιέχουν ζεύγη <όρος, id αρχείου> με πιθανών επιπλέον πεδία όπως η συχνότηταεμφάνισηςτουόρουστοαρχείο Παρόμοια, ευρετήρια χρησιμοποιούν και οι μηχανές αναζήτησης Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 7 Ευρετηριοποίηση για την Ανάκτηση Κειμένου Μια ταξινομημένη λίστα (ανεστραμμένη λίστα) (inverted file, inverted list, inverted index) για κάθε όρο Παράδειγμα Did Λέξεις Κλειδιά 1 agent James Bond 2 agent mobile computer 3 James Madison movie 4 James Bond movie Παράδειγμα ερωτήσεων Agent <1,2> Bond <1,4> Computer <2> James <1,3,4> Madison <3> Mobile <2> Movie <3,4> Postings (keyword, DocID) Ταξινόμηση κάθε λίστας με βάση το DocID Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 8 Εξόρυξη Δεδομένων

5 Ευρετηριοποίηση για την Ανάκτηση Κειμένου Ευρετήριο Λεξιλογίου: Για τον ταχύτερο εντοπισμό της λίστας για κάθε όρο: Το σύνολο των όρων μπορεί να οργανωθεί με τη χρήση μιας δομής ευρετηρίου (π.χ. Β+ δέντρο) Στα φύλλα, δείκτες προς την αντίστοιχη ανεστραμμένη λίστα Παράδειγμα Ένας όρος, σύζευξη, διάζευξη Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 9 Ανάκτηση Πληροφορίας Βασικές Μετρικές Relevant Relevant & Retrieved Retrieved All Documents Precision Ακρίβεια: το ποσοστό των ανακτημένων εγγράφων που είναι σχετικά με την ερώτηση (δηλαδή, το ποσοστό των «σωστών» απαντήσεων») { Relevant} { Retrieved} precision = { Retrieved} Recall Ανάκληση: το ποσοστό των σχετικών εγγράφων που ανακτούνται { Relevant} { Retrieved} recall = { Relevant} Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 10 Εξόρυξη Δεδομένων

6 Μοντέλα Ανάκτηση Κειμένου Το δυαδικό μοντέλο που είδαμε μέχρι στιγμής θεωρεί ότι οι όροι δεικτοδότησης είτε υπάρχουν είτε δεν υπάρχουν στο αρχείο (κείμενο) Οι ερωτήσεις είναι όροι συνδεδεμένοι με : not, and, και or πχ.: car and repair, plane or airplane Το δυαδικό μοντέλο προβλέπει ότι ένα αρχείο είναι είτε σχετικό είτε μη σχετικό Δεν υπάρχει διαβάθμιση (Ranking) «πόσο» σχετικό Διανυσματικό μοντέλο > πάλι ένα έγγραφο περιγράφεται από τους όρους αλλά κάθε όρος με ένα βάρος (που σχετίζεται με τη συχνότητα εμφάνισης του όρου στο έγγραφο) δηλαδή, στο δυαδικό μοντέλο, τα βάρη είναι όλα δυαδικά (0 ή 1) Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 11 Μοντέλα Ανάκτηση Κειμένου Συχνότητα όρου term frequency : πόσες φορές εμφανίζεται ένας όρος σε ένα έγγραφο Κανονικοποιημένο ώστε να αποφύγουμε να δώσουμε μεγαλύτερο βάρος σε μεγάλα έγγραφα Σημασία του όρου t i σε ένα έγγραφο Τοπική μέτρηση tf i = Διανυσματικό Μοντέλο k ni n k Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 12 Εξόρυξη Δεδομένων

7 Μοντέλα Ανάκτηση Κειμένου Ανεστραμμένη συχνότητα εγγράφου (inverse document frequency) μετρά πόσο γενικά σημαντικός είναι ένας όρος Ολική μέτρηση idf i = log { d D : d ti} D αριθμός εγγράφων Πόσα έγγραφα τον περιέχουν Έγγραφα στα οποία ανήκει ο όρος t i Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 13 Μοντέλα Ανάκτηση Κειμένου tfidf = tf idf Μεγάλη τιμή όταν μεγάλη συχνότητα εμφάνισης (σε ένα συγκεκριμένο έγγραφο) και μικρή συχνότητα εμφάνισης του όρου σε όλη τη συλλογή Βάρος χρήσιμο για να αποφύγουμε κοινούς όρους Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 14 Εξόρυξη Δεδομένων

8 Ομοιότητα με την ερώτηση Μοντέλα Ανάκτηση Κειμένου Τα αρχεία και οι ερωτήσεις αναπαρίστανται ως m διάστατα διανύσματα, όπου m είναι ο συνολικός αριθμός όρων στη συλλογή Ο βαθμός ομοιότητας ενός αρχείου d και μιας ερώτησης q υπολογίζεται ως η συνέλιξη τους, χρησιμοποιώντας μετρικές όπως η Ευκλείδεια απόσταση ή το συνημίτονο της γωνίας των δύο διανυσμάτων: q d cos( q, d) = q d Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 15 Ρίζα λέξεων Word stem Άλλα Θέματα Μοντέλα Ανάκτηση Κειμένου Πολλές λέξεις είναι μικρές παραλλαγές αφού έχουν μια κοινή ρίζα E.g., drug, drugs, drugged Συνώνυμα Synonymy: Ενώ η λέξη κλειδί T δεν εμφανίζετε στο κείμενο αν και το κείμενο είναι σχετικό Πολυσημία Polysemy: Η ίδια λέξη μπορεί να σημαίνει διαφορετικά πράγματα με βάση τα συμφραζόμενα Stop list Σύνολο λέξεων που δεν είναι σχετικά αν και εμφανίζονται συχνά, πχ, a, the, of, for, to, with, etc. Οντολογίες Wordnet Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 16 Εξόρυξη Δεδομένων

9 Μηχανές Αναζήτησης Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 17 Μηχανές Αναζήτησης Βασισμένες σε ευρετήρια: Αναζητούν σελίδες, τις δεικτοδοτούν και κατασκευάζουν ευρετήρια βασισμένα σε λέξεις κλειδιά Χρήσιμες για τον εντοπισμό σελίδων που περιέχουν συγκεκριμένες λέξεις κλειδιά Προβλήματα Έναθέμαμπορείναπεριέχειχιλιάδεςέγγραφα Πολλά σχετικά με κάποιο θέμα έγγραφα μπορεί να μην περιέχουν τις λέξεις κλειδιά που το προσδιορίζουν Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 18 Εξόρυξη Δεδομένων

10 Μηχανές Αναζήτησης Θα δούμε Page Rank HITS Και οι δύο εκμεταλλεύονται την ύπαρξη links συνδέσεων ανάμεσα στις σελίδες Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 19 PageRank Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 20 Εξόρυξη Δεδομένων

11 PageRank: εισαγωγή PageRank: Capturing Page Popularity (Brin & Page 98) Ο αρχικός αλγόριθμος του google, παρουσιάστηκε στην κλασική εργασία: The Anatomy of a Large Scale Hypertextual Web Search Engine, Sergey Brin and Lawrence Page Η εργασία περιλαμβάνει μια πολύ ενδιαφέρουσα «ιστορικής σημασίας» εισαγωγή We chose our system name, Google, because it is a common spelling of googol, or and fits well with our goal of building very large-scale search engines. The verb, "google", was added to the Merriam Webster Collegiate Dictionary and the Oxford English Dictionary in 2006, meaning, "to use the Google search engine to obtain information on the Internet." (source: Wikipedia) Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 21 PageRank: Βασική Ιδέα Βασική Ιδέα Ακόμα και αν ένα τεράστιο ευρετήριο με όλες τις λέξεις και τι σελίδες > αυτό που έχει σημασία είναι οι σημαντικές σελίδες (precision vs recall) τα «10 πρώτα» αποτελέσματα ΣΤΟΧΟΣ: υπολογισμός μιας τιμής για κάθε σελίδα που να χαρακτηρίζει πόσο σημαντική είναι αυτή η σελίδα, η ποσότητα αυτή λέγεται page rank Πότε είναι μια σελίδα σημαντική; Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 22 Εξόρυξη Δεδομένων

12 PageRank: Βασική Ιδέα Βασική Ιδέα Οι Web pages δεν είναι όλες το ίδιο σημαντικές schmoe.com vs Αναφορές (Inlinks) ως «ψήφοι» votes 23,400 inlinks schmoe.com 1 inlink οι συνδέσεις μιασελίδαπουδέχεταιπολλέςαναφορέςπεριμένει κανείς να είναι γενικά πιο σημαντική Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 23 PageRank: Βασική Ιδέα Βασική Ιδέα (συνέχεια) Ο PageRank βασίζεται στην «μέτρηση αναφορών» σε μία σελίδα ( citation counting ), αλλά με μια βελτίωση: Δεν είναι όλες οι αναφορές το ίδιο σημαντικές! Θεωρεί «έμμεσες αναφορές» indirect citations : Αναφορές από σημαντικές σελίδες (δηλαδή, από σελίδες που επίσης έχουν πολλές αναφορές) θεωρούνται πιο σημαντικές Αναδρομικός ορισμός! Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 24 Εξόρυξη Δεδομένων

13 Ορισμός PageRank Απλή Αναδρομική Διατύπωση Κάθε σελίδα μια ποσότητα που χαρακτηρίζει τη σημαντικότητα της (αυτή η ποσότητα καλείται page rank) Αυτή η ποσότητα μοιράζεται ισόποσα στις εξωτερικές ακμές της σελίδας Συγκεκριμένα: Η ψήφος κάθε ακμής (αναφοράς) είναι ανάλογη της σημαντικότητας (PR) της σελίδας από την οποία προέρχεται Αν μια σελίδα P με σημαντικότητα (PR) y έχει n outlinks, κάθε link παίρνει y/n ψήφους Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 25 Ορισμός PageRank Παράδειγμα Έστω ότι υπάρχει μια γενική ποσότητα PR που μοιράζεται στις σελίδες του συστήματος. Έστω 4 σελίδες: A, B, C και D. Αρχική προσεγγιστική τιμή για καθεμία: PR = 0.25 Έστω B, C, και D έχουν link μόνο στο A, τότε όλα το PageRank PR( ) τους θα μαζευόταν στο Α Έστω τώρα ότι η Β έχει link στη C, και η D έχει links και στο Β και στο C Η τιμή του PR μιας σελίδας μοιράζεται ανάμεσα στις εξωτερικές ακμές της Άρα η ψήφος της B έχει αξία για την Α και για την C. Αντίστοιχα, μόνο το 1/3 του PageRank του D μετρά για PageRank του Α (περίπου 0.083). Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 26 Εξόρυξη Δεδομένων

14 Ορισμός PageRank Γενικός ορισμός του PageRank για μια σελίδα Α: Έστω ότι η A έχει τις σελίδες T1,...,Tn που δείχνουν σε αυτήν (δηλαδή, αναφορές) Έστω C(Τ) ο αριθμός των εξωτερικών ακμών μιας σελίδας T PR(A) = PR(T1)/C(T1) PR(Tn)/C(Tn) Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 27 Απλό μοντέλο «ροής» flow model Υπολογισμός PageRank Το web το 1839 a/2 y Yahoo y/2 y/2 y = y /2 + a /2 a = y /2 + m m = a /2 Amazon a m a/2 M soft m Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 28 Εξόρυξη Δεδομένων

15 Υπολογισμός PageRank Λύση των εξισώσεων ροής 3 εξισώσεις, 3 άγνωστοι, όχι σταθερές Μη μοναδική λύση Οι λύσεις ισοδύναμες με κλιμάκωση (scale factor) Επιπρόσθετος περιορισμός για μοναδικότητα της λύσης y+a+m = 1(το συνολικό PR που μοιράζεται στις σελίδες) y = 2/5, a = 2/5, m = 1/5 Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 29 Υπολογισμός PageRank Διατύπωσημετηνμορφήπίνακα Ο πίνακας M έχει μια γραμμή και μια στήλη για κάθε web σελίδα (πίνακας γειτνίασης) Έστω ότι η σελίδα j έχει n outlinks Αν j >i, τότε M ij =1/n Αλλιώς,M ij =0 M είναι column stochastic matrix Οι στήλες έχουν άθροισμα 1 Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 30 Εξόρυξη Δεδομένων

16 ιατύπωση με την μορφή πίνακα (παράδειγμα) Υπολογισμός PageRank Yahoo Amazon M soft y a m y 1/2 1/2 0 a 1/2 0 1 m 0 1/2 0 y = y /2 + a /2 a = y /2 + m m = a /2 Άθροισμα 1 (οι ψήφοι του y) Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 31 Υπολογισμός PageRank Διατύπωσημετηνμορφήπίνακα Έστω r ένα διάνυσμα με μια εγγραφή web σελίδα r i είναι η σημαντικότητα (PR) της σελίδας i r: rank vector [PR(y) PR(a) PR(m)] Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 32 Εξόρυξη Δεδομένων

17 Υπολογισμός PageRank Yahoo PR Διάνυσμα (παράδειγμα) y a m y 1/2 1/2 0 a 1/2 0 1 m 0 1/2 0 Amazon M soft y = y /2 + a /2 a = y /2 + m m = a /2 r = Mr y 1/2 1/2 0 y a = 1/2 0 1 a m 0 1/2 0 m Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 33 Υπολογισμός PageRank Έστω ότι η σελίδα j έχει links σε 3 σελίδες, συμπεριλαμβανομένου του i j i 1/3 = i M r r Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 34 Εξόρυξη Δεδομένων

18 Υπολογισμός PageRank Ιδιοδιανύσματα (eigenvectors) Οι εξισώσεις ροής μπορούν να γραφούν r = Mr Δηλαδή, ο rank vector είναι ένα ιδιοδιάνυσμα (eigenvector) του στοχαστικού πίνακα γειτνίασης του web Συγκεκριμένα είναι το βασικό ιδιοδιάνυσμα (αυτό που αντιστοιχεί στην ιδιοτιμή λ = 1) Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 35 Υπολογισμός PageRank Power Iteration method Επαναληπτική Μέθοδο Ένα απλό επαναληπτικό σχήμα (relaxation) Έστω N web σελίδες Αρχικοποίηση: r 0 = [1/N,.,1/N] T Επανάληψη: r k+1 = Mr k Τερματισμός όταν r k+1 - r k 1 < ε x 1 = 1 i N x i είναι L1 norm Μπορεί να χρησιμοποιηθούν και άλλες μετρικές, πχ Ευκλείδεια Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 36 Εξόρυξη Δεδομένων

19 Υπολογισμός PageRank Παράδειγμα Yahoo y a m y 1/2 1/2 0 a 1/2 0 1 m 0 1/2 0 Amazon M soft y a = m 1/3 1/3 1/3 1/3 1/2 1/6 5/12 1/3 1/4 3/8 11/24 1/6... 2/5 2/5 1/5 Συγκλίνει; Μοναδική Λύση; Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 37 Υπολογισμός PageRank Μοντέλο Τυχαίου Δικτυακού Περιηγητή Surfer (random walk) Tο PageRank μιας σελίδας μπορεί επίσης να θεωρηθεί ότι εκφράζει την πιθανότητα ένας τυχαίος περιηγητής να φτάσει σε αυτήν (δηλαδή, εκφράζει πόσο δημοφιλής είναι) Ένας τυχαίος περιηγητής ξεκινά από μια τυχαία σελίδα και συνεχίζει να κάνει click σε links, χωρίς να επιστρέφει σε προηγούμενη σελίδα Τη χρονική στιγμή t, ο περιηγητής είναι σε κάποια σελίδα P Τη χρονική στιγμή t + 1, ο περιηγητής ακολουθεί ένα εξωτερικό link outlink του P τυχαία (uniformly at random) Φτάνει σε κάποια σελίδα Q του P Συνεχίζει την παραπάνω διαδικασία επ άπειρων Έστω p(t) το διάνυσμα του οποίου το i οστόστοιχείοείναιηπιθανότητα ο περιηγητής να είναι στη σελίδα i τη χρονική στιγμή t p(t) κατανομή πιθανότητας (probability distribution) στις σελίδες Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 38 Εξόρυξη Δεδομένων

20 Υπολογισμός PageRank The stationary distribution Που είναι ο περιηγητής τη χρονική στιγμή t+1? Ακολουθεί ένα link uniformly at random p(t+1) = Mp(t) Έστω ότι ο τυχαίος περίπατος φτάνει μια κατάσταση όπου p(t+1) = M p(t) = p(t) Τότεp(t) ονομάζεται stationary distribution για τον τυχαίο περίπατο Επειδή ο πίνακας r ικανοποιεί την r = Mr είναι stationary distribution για τον τυχαίο περιηγητή Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 39 Υπολογισμός PageRank Βασικό αποτέλεσμα από τη θεωρία τυχαίων περιπάτων (και Markov processes): Για γράφους που ικανοποιούν συγκεκριμένες συνθήκες, η stationary distribution είναι μοναδική και τελικά φτάνουμε σε αυτήν ανεξάρτητα από την αρχική κατανομή πιθανότητας τη χρονική στιγμή t = 0 (σύγκλιση). Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 40 Εξόρυξη Δεδομένων

21 Επεκτάσεις (τυχαίο άλμα) Spider traps Μια ομάδα σελίδων είναι μια αραχνο παγίδα (spider trap) ανδενυπάρχουνακμές από την ομάδα σε σελίδες εκτός της ομάδας Οτυχαίοςsurfer παγιδεύεται Οι συνθήκες που χρειάζονται για το θεώρημα των τυχαίων περιπάτων παύουν να ισχύουν Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 41 Επεκτάσεις (τυχαίο άλμα) Spider traps (παράδειγμα) Yahoo y a m y 1/2 1/2 0 a 1/2 0 0 m 0 1/2 1 Amazon M soft y a = m /2 3/2 3/4 1/2 7/4 5/8 3/ Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 42 Εξόρυξη Δεδομένων

22 Επεκτάσεις (τυχαίο άλμα) Επέκταση Μοντέλου Σε κάθε βήμα, ο τυχαίος surfer έχει δύο δυνατότητες: Με πιθανότητα β, ακολουθεί ένα τυχαίο link Με πιθανότητα 1 β πετάγεται σε κάποια άλλη σελίδα τυχαία Τιμές για το β: Καταφέρνει να βγει από την παγίδα μετά από κάποιες χρονικές στιγμές Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 43 Επεκτάσεις (τυχαίο άλμα) Επέκταση Μοντέλου Αρχικός ορισμός του PageRank για μια σελίδα Α: PR(A) = PR(T1)/C(T1) PR(Tn)/C(Tn) Ορισμός με τον παράγοντας απόσβεσης d (damping factor) μεταξύ του 0 και του 1 PR(A) = (1 d)/n + d (PR(T1)/C(T1) PR(Tn)/C(Tn)) Ώστε το άθροισμα να είναι 1 > 1 d/n Ο πρώτος παράγοντας λέει ότι με την ίδια πιθανότητα διαλέγω οποιαδήποτε σελίδα όπου d, είναι 1 β Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 44 Εξόρυξη Δεδομένων

23 Επεκτάσεις (τυχαίο άλμα) Κατασκευή του ΝxΝπίνακαΑ A ij = βm ij + (1 β)/n Ο A είναι στοχαστικός πίνακας Το page rank διάνυσμα r είναι το βασικό ιδιοδιάνυσμα αυτού του πίνακα r = Ar Ισοδύναμα, r είναι stationary distribution των τυχαίων περιπάτων με μεταπηδήσεις (random walk with teleports) Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 45 Παράδειγμα (d=0.8) Επεκτάσεις (τυχαίο άλμα) Yahoo 1/2 1/ / /2 1 1/3 1/3 1/3 1/3 1/3 1/3 1/3 1/3 1/3 Amazon M soft y 7/15 7/15 1/15 a 7/15 1/15 1/15 m 1/15 7/15 13/15 y a = m /11 5/11 21/11 Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 46 Εξόρυξη Δεδομένων

24 Επεκτάσεις (τυχαίο άλμα) Μοντέλο Τυχαίου Surfer (φυσική ερμηνεία) Ένας τυχαίος surfer ξεκινάαπόμιατυχαίασελίδακαισυνεχίζεινα κάνει click σε links, χωρίς να επιστρέφει σε προηγούμενη σελίδα αλλά τελικά βαριέται και ξεκινά από κάποια άλλη τυχαία σελίδα Το d (ο παράγοντας απόσβεσης) εκφράζει τη πιθανότητα σε κάθε σελίδα ο τυχαίος surfer να βαρεθεί και να αρχίσει από κάποια άλλη τυχαία σελίδα Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 47 Επεκτάσεις (τυχαίο άλμα) Διατύπωση της επέκτασης με μεταπηδήσεις με τη μορφή πίνακα Έστω Ν σελίδες Έστω σελίδα j, με ένα σύνολο outlinks O(j) M ij = 1/ O(j) αν j > i and M ij = 0 otherwise Η τυχαία μεταπήδηση είναι ισοδύναμη με το Να προσθέσουμε ένα τυχαίο link από το j σε οποιαδήποτε άλλη σελίδα με (1 β)/n Ελάττωση της πιθανότητας να ακολουθήσουμε ένα outlink από 1/ O(j) σε β/ O(j) Ήισοδύναμα: χρέωσε σε κάθε σελίδα ένα ποσοστό (1 β) της τιμής της και κάνε κατανομή αυτού ομοιόμορφα Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 48 Εξόρυξη Δεδομένων

25 Επεκτάσεις (αδιέξοδα) Αδιέξοδα Οι σελίδες χωρίς outlinks για τον τυχαίο surfer Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 49 Επεκτάσεις (αδιέξοδα) Yahoo 1/2 1/ / /2 0 1/3 1/3 1/3 1/3 1/3 1/3 1/3 1/3 1/3 Amazon M soft y 7/15 7/15 1/15 a 7/15 1/15 1/15 m 1/15 7/15 1/15 y a = m Μη στοχαστικό! Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 50 Εξόρυξη Δεδομένων

26 Επεκτάσεις (αδιέξοδα) Χειρισμός αδιεξόδων (deadend) Μεταπήδηση Για αδιέξοδα, ακολούθησε τυχαία μεταπήδηση με πιθανότητα 1 Τροποποίησε τον πίνακα Ψαλίδισε τα αδιέξοδα και αναπροσάρμοσε το γράφο Προ επεξεργασία του γράφου για σβήσιμο των αδιεξόδων Πιθανών πολλαπλές επαναλήψεις Υπολογισμός page rank στον ελαττωμένο γράφο Υπολογισμός προσεγγιστικών τιμών για αδιέξοδα μεταφέροντας τις τιμές από τον ελαττωμένο γράφο Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 51 O Αλγόριθμος PageRank ΜιασελίδαμπορείναέχειυψηλόPR αν: υπάρχουν πολλές σελίδες που δείχνουν σε αυτήν, ή όταν κάποιες σελίδες που δείχνουν σε αυτήν έχουν υψηλό PR Καιοιδύοπεριπτώσειςέχουνσημασία: Πχ στη δεύτερη περίπτωση αν υπάρχει link από πχ Yahoo! Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 52 Εξόρυξη Δεδομένων

27 Spam Content spam Link spam Google bombing: Προσθήκη αναφορών που επηρεάζουν άμεσα το PR Link farms: Σελίδες που αναφέρονται η μία στην άλλη Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 53 PageRank συνέχεια Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 54 Εξόρυξη Δεδομένων

28 O Αλγόριθμος PageRank Αν δούμε το Web ως γράφo, θέλουμε να βρούμε τους σημαντικούς/κεντρικούς κόμβους Με βάση το PageRank: Ένας κόμβος είναι σημαντικός αν συνδέεται με σημαντικούς κόμβους Μια ποσότητα σε κάθε σελίδα (κόμβο) H ποσότητα εξαρτάται από πόσες σελίδες δείχνουν σε αυτήν και μοιράζεται στις σελίδες που δείχνει (αναδρομικός ορισμός) Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 55 O Αλγόριθμος PageRank Παράδειγμα Κάθε κόμβος μια αρχική τιμή PageRank την οποία μοιράζει ισοδύναμα στους κόμβους στους οποίους δείχνει Πχ κάθε ακμή Του κόμβου 2 έχει ½ Του κόμβου 3 έχει 1 κλπ Ισοδύναμα, η πιθανότητα μετάβασης σε κάποιον κόμβο Random walks (τυχαίοι περίπατοι) M o Πίνακας Γειτνίασης (Πίνακας μετάβασης για αλυσίδες Markov) r το διάνυσμα PageRank r = M r Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 56 Εξόρυξη Δεδομένων

29 O Αλγόριθμος PageRank Παράδειγμα M o Πίνακας Γειτνίασης,r το διάνυσμα PageRank r = M r r είναι το ιδιοδιάνυσμα που αντιστοιχεί στην ιδιοτιμή λ = 1 (είναι η μεγαλύτερη ιδιοτιμή, επειδή ο πίνακας είναι column stochastic) Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 57 O Αλγόριθμος PageRank Teleport Πίνακας Α A ij = β M ij + (1 β)/n Fly out probability r = Ar Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 58 Εξόρυξη Δεδομένων

30 O Αλγόριθμος PageRank Θεματικό PageRank (Topic Specific PageRank) Υπολογισμός δημοτικότητας (popularity) για κάποιο θέμα E.g., computer science, health Bias the random walk Όταν ο τυχαίος περιπατητής teleports, επιλέγει μια σελίδα από ένα σύνολο S σελίδων του παγκόσμιου ιστού S περιέχει μόνο σελίδες που είναι σχετικές με ένα θέμα Πχ., Open Directory (DMOZ) σελίδες για κάποιο θέμα (www.dmoz.org) Για κάθε σύνολο teleport S, διαφορετικό διάνυσμα r S Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 59 O Αλγόριθμος HITS d 3 d 4 d 1 d A = hd ( ) = ad ( ) i dj OUT( di) ad ( ) = hd ( ) i dj IN( di) v v v v T h = Aa; a = A h v v T v T v h = AA h; a = A Aa j j Πίνακας Γειτνίασης Αρχικές Τιμές: a=h=1 Iterate Normalize: i 2 2 ad ( ) = hd ( ) = 1 i i i Πάλι ιδιοδιανύσματα Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 60 Εξόρυξη Δεδομένων

31 HITS Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 61 Εισαγωγή Προβλήματα με τη χρήση της δομής των συνδέσεων του Web Δεν αρκεί να δείχνουν πολλές συνδέσεις Μια σύνδεση δε σημαίνει απαραίτητα θετική γνώμη (αναγνώριση για τη σελίδα ) (κάποιες συνδέσεις διαφημίσεις, αλλά navigation, κλπ) Μια αυθεντία (authority) για κάποιο θέμα σπάνια θα έχει link σε αντίπαλη αυθεντία στον ίδιο τομέα Οι αυθεντικές σελίδες σπάνια είναι περιγραφικές/αντιπροσωπευτικές Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 62 Εξόρυξη Δεδομένων

32 HITS ορισμοί ΟαλγόριθμοςHITS (Hyperlink Induced Topic Search) Για κάθε θέμα: δύο είδη σελίδων Αυθεντική (authority): Μια σελίδα που είναι αυθεντία σε ένα θέμα και αναγνωρίζεται ως τέτοια από άλλες σελίδες (δηλαδή, υπάρχουν πολλοί σύνδεσμοι σε αυτήν) Κομβικοί (hubs): Μια σελίδα που αναφέρεται σε μια αυθεντική σελίδα Βασική ιδέα: Οι σελίδες που αναφέρονται από άλλες σελίδες συχνάπρέπειναείναιαυθεντίες(authorities) Οι σελίδες που αναφέρουν πολλές άλλες σελίδες πρέπει να είναι καλά κομβικά σημεία (hubs) Κομβικοί Αυθεντικοί Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 63 O Αλγόριθμος HITS Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 64 Εξόρυξη Δεδομένων

33 O Αλγόριθμος HITS Βασική ιδέα του HITS Καλές αυθεντίες είναι αυτές στις οποίες αναφέρονται καλά κομβικά σημεία Καλάκομβικάσημείαείναιαυτάταοποίααναφέρονταισε καλές αυθεντίες Αναδρομική έκφραση Σημείωση: Αναθέτει σε κάθε σελίδα δύο τιμές για κάθε θέμα διάνυσμα h (hub) και α (authority) Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 65 O Αλγόριθμος HITS Το web ως ένας κατευθυνόμενος γράφος Κόμβοι: ιστοσελίδες Ακμή από Α στον Β: η ιστοσελίδα Α έχει έναν υπερ σύνδεσμο στην ιστοσελίδα Β Ο αλγόριθμος χωρίζεται σε 2 φάσεις: Φάση Ι: (δειγματοληπτικό στάδιο) ένα σύνολο σελίδων που αποτελεί το βασικό σύνολο για κάποιο θέμα Φάση ΙΙ: (επαναληπτικό στάδιο) επεξεργασία του βασικού συνόλου για τον εντοπισμό καλών αυθεντικών και καλών κομβικών ιστοσελίδων Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 66 Εξόρυξη Δεδομένων

34 O Αλγόριθμος HITS Φάση Ι: Υπολογισμός βασικού συνόλου 1. Υπολογισμός αρχικού συνόλου: σύνολο ρίζα Κλασικοί μέθοδοι: πχανάκτησηόλωντωνσελίδωνπουπεριέχουντιςλέξεις κλειδιά (περιμένουμε ότι θα περιέχει (τουλάχιστον) αναφορέςπροςσχετικέςσελίδες) Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 67 O Αλγόριθμος HITS Φάση Ι: Υπολογισμός βασικού συνόλου (διεύρυνση του συνόλου ρίζα) 2. + Σελίδες σύνδεσμοι: Σελίδα που είτε συμπεριλαμβάνει σύνδεσμο που να αναφέρεται σε έναν κόμβο p στο σύνολο ρίζα (p είναι αυθεντία) είτε Ένας κόμβος p στο σύνολο ρίζα (p είναι κομβικό σημείο) περιέχει σύνδεσμο που αναφέρεται σε αυτήν Βασικό Σύνολο: διεύρυνση του συνόλου ρίζα ώστε να περιλαμβάνει και τις σελίδες συνδέσμους Βασικές Ιστοσελίδες Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 68 Εξόρυξη Δεδομένων

35 O Αλγόριθμος HITS Φάση ΙΙ: Ποιες βασικές ιστοσελίδες είναι κόμβοι και αυθεντίες Κάθε βασική σελίδα p δύο τιμές: h p Συντελεστής Κομβικού Ρόλου (πολλούς δείκτες σε αυθεντικές) a p Συντελεστής Αυθεντικότητας (πολλοί δείκτες από κομβικές σε αυτήν) Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 69 O Αλγόριθμος HITS Βασική διαφορά από τον Page Rank Δύο τιμές ανά σελίδα (αυθεντία κομβικό σημείο) Θεματικά υποσύνολα του web γράφου ξεκινάμε από το βασικό σύνολο Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 70 Εξόρυξη Δεδομένων

36 O Αλγόριθμος HITS Φάση ΙΙ: Ποιες βασικές ιστοσελίδες είναι κόμβοι και αυθεντίες Αρχικοποίηση, p, h p = 1 και α p = 1 Επαναληπτικά, αυξάνεται a p = Σ h q Βασικές σελίδες q που δείχνουν στην p h p = Σ α q Βασικές σελίδες q στιςοποίεςδείχνειηp Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 71 Πίνακας Γειτνίασης Αναπαράσταση με πίνακες Έστω το βασικό σύνολο σελίδων {1, 2,..., n} Πίνακας Γειτνίασης (adjacency matrix) B: n x n B[i, j] = 1 αν η σελίδα i περιέχει σύνδεσμο που δείχνει στη σελίδα j Έστω h = <h 1, h 2,, h n > το διάνυσμα συντελεστών κομβικών ρόλων και α = <α 1, α 2,..., α n > το διάνυσμα συντελεστών αυθεντικότητας (αντίστοιχο του r vector) Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 72 Εξόρυξη Δεδομένων

37 O Αλγόριθμος HITS Οι κανόνες ενημέρωσης Αρχικά h = B a 1ηεπανάληψη h = B B Τ h = (B B Τ )h 2ηεπανάληψη h = (B B Τ ) 2 h a = B Τ h a = B T B a = (B T B) a a = (B T B) 2 a Σύγκλιση στα ιδιοδιανύσματα του ΒΒ Τ και Β Τ Β αν κανονικοποιηθούν αρχικά οι συντελεστές Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 73 O Αλγόριθμος HITS Διατύπωσημετηνμορφήπίνακα(παράδειγμα) Netscape Amazon B = M soft n m a n m a B T = n m a B B T = h = BB T h = Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 74 Εξόρυξη Δεδομένων

38 O Αλγόριθμος HITS Προβλήματα Drifting: ότανένακομβικόσημείοπεριέχειπολλάθέματα Topic hijacking: όταν πολλές σελίδες από το ίδιο web site δείχνουν στο ίδιο δημοφιλές κόμβο Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 75 Λίγα ακόμη για τις μηχανές αναζήτησης Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 76 Εξόρυξη Δεδομένων

39 Google: Άλλα στοιχεία Anchor Text Το κείμενο που υπάρχει στα links έχει διαφορετική αντιμετώπιση Οι περισσότερες μηχανές αναζήτησης το συσχέτιζαν με τη σελίδα στην οποία εμφανίζεται Google και με τη σελίδα στην οποία δείχνει Πιο ακριβείς πληροφορίες για τις σελίδες που δείχνουν παρά για τις σελίδες στις οποίες εμφανίζονται Μπορεί να δείχνουν σε σελίδες που δεν έχουν κείμενο αλλά εικόνες, προγράμματα, κλπ Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 77 Most of Google is implemented in C or C++ for efficiency and can run in either Solaris or Linux. Google: Αρχιτεκτονική The web crawling (downloading of web pages) is done by several distributed crawlers. There is a URLserver that sends lists of URLs to be fetched to the crawlers. The web pages that are fetched are then sent to the storeserver. The storeserver then compresses and stores the web pages into a repository. Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 78 Εξόρυξη Δεδομένων

40 Every web page has an associated ID number called a docid which is assigned whenever a new URL is parsed out of a web page. Google: Αρχιτεκτονική The indexing function is performed by the indexer and the sorter. The indexer reads the repository, uncompresses the documents, and parses them. document > a set of word occurrences called hits. Ηits: word, position in document, an approximation of font size, and capitalization. The indexer distributes these hits into a set of "barrels", creating a partially sorted forward index. Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 79 Google: Αρχιτεκτονική Indexer: It parses out all the links in every web page and stores important information about them in an anchors file. This file contains enough information to determine where each link points from and to, and the text of the link. Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 80 Εξόρυξη Δεδομένων

41 Google: Αρχιτεκτονική URLresolver relative URLs -> absolute URLs -> docids. The sorter takes the barrels, which are sorted by docid and resorts them by wordid to generate the inverted index. + lexicon Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 81 Google: Αρχιτεκτονική The searcher is run by a web server uses the lexicon built by DumpLexicon together with the inverted index and the PageRanks to answer queries. Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 82 Εξόρυξη Δεδομένων

42 Κατηγορίες Εξόρυξης από το Web Εξόρυξη από το Web Εξόρυξη Περιεχομένου Εξόρυξη ομής Εξόρυξη Χρήσης Εξόρυξη περιεχομένου σελίδων Εξόρυξη αποτελεσμάτων αναζήτησης Ανίχνευση Γενικών Προτύπων Προσπέλασης Ανίχνευση προσαρμοσμένης (customized) χρήσης Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 83 Κατηγορίες Εξόρυξης από το Web PageRank, HITS Εξόρυξη από το Web Small-world models, Εξόρυξη Περιεχομένου Εξόρυξη ομής Εξόρυξη Χρήσης Εξόρυξη περιεχομένου σελίδων Εξόρυξη αποτελεσμάτων αναζήτησης Ανίχνευση Γενικών Προτύπων Προσπέλασης Ανίχνευση προσαρμοσμένης (customized) χρήσης Εξόρυξη Δεδομένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝΔΕΣΕΩΝ 84 Εξόρυξη Δεδομένων

Ανάκτηση Κειμένου (εισαγωγικά θέματα) Θέματα σχετικά με Εξόρυξη από τον Παγκόσμιο Ιστό. Εξόρυξη Δεδομένων 2008-2009 1

Ανάκτηση Κειμένου (εισαγωγικά θέματα) Θέματα σχετικά με Εξόρυξη από τον Παγκόσμιο Ιστό. Εξόρυξη Δεδομένων 2008-2009 1 Θέματα σχετικά με Εξόρυξη από τον Παγκόσμιο Ιστό Ανάκτηση Κειμένου (εισαγωγικά θέματα) Εξόρυξη Δεδομένων: Ακ. Έτος 2008-2009 ΠΑΓΚΟΣΜΙΟΣ ΙΣΤΟΣ 2 Εξόρυξη Δεδομένων 2008-2009 1 Ανάκτηση Πληροφορίας Βάσεις

Διαβάστε περισσότερα

Μηχανές Αναζήτησης. Εξόρυξη εδοµένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝ ΕΣΕΩΝ 1

Μηχανές Αναζήτησης. Εξόρυξη εδοµένων: Ακ. Έτος ΑΝΑΛΥΣΗ ΣΥΝ ΕΣΕΩΝ 1 Μηχανές Αναζήτησης Εξόρυξη εδοµένων: Ακ. Έτος 2010-2011 ΑΝΑΛΥΣΗ ΣΥΝ ΕΣΕΩΝ 1 Μηχανές Αναζήτησης Βασισμένες σε ευρετήρια: Αναζητούν σελίδες, τις δεικτοδοτούν και κατασκευάζουν ευρετήρια βασισμένα σε λέξεις

Διαβάστε περισσότερα

Βάσεις ιαδικτύου. Θέματα. Εισαγωγή στην XML. Ευρετήρια για την Ανάκτηση Κειμένων. Ο αλγόριθμος HITS. είναι η XML. Παράδειγμα XML

Βάσεις ιαδικτύου. Θέματα. Εισαγωγή στην XML. Ευρετήρια για την Ανάκτηση Κειμένων. Ο αλγόριθμος HITS. είναι η XML. Παράδειγμα XML Θέματα Βάσεις ιαδικτύου Ο αλγόριθμος HITS Βάσεις Δεδομένων ΙΙ 2004-2005 Ευαγγελία Πιτουρά 1 Βάσεις Δεδομένων ΙΙ 2004-2005 Ευαγγελία Πιτουρά 2 Τι είναι η XML XML Mark-up Γλώσσες (Γλώσσες Σημειοθέτησης)

Διαβάστε περισσότερα

Ανάκτηση Κειμένου (εισαγωγικά θέματα)

Ανάκτηση Κειμένου (εισαγωγικά θέματα) Ανάκτηση Κειμένου και από τον Παγκόσμιο Ιστό Ανάκτηση Κειμένου (εισαγωγικά θέματα) Δεδομένων: Ακ. Έτος 2006-2007 ΓΠΑΓΚΟΣΜΙΟΣ ΙΣΤΟΣ 2 Ανάκτηση Πληροφορίας Ανάκτηση Πληροφορίας Βάσεις Κειμένων (document

Διαβάστε περισσότερα

Ανάκληση Πληροφορίας. Διδάσκων Δημήτριος Κατσαρός

Ανάκληση Πληροφορίας. Διδάσκων Δημήτριος Κατσαρός Ανάκληση Πληροφορίας Διδάσκων Δημήτριος Κατσαρός Διάλεξη 13η: 28/04/2014 1 Παράμετροι του μοντέλου PageRank 2 Ηπαράμετροςα(1/2) Η παράμετρος αυτή ελέγχει στην ουσία την προτεραιότητα που δίνεται στη δομή

Διαβάστε περισσότερα

Κεφάλαιο 5. Ανάκτηση Πληροφορίας στον Παγκόσµιο Ιστό

Κεφάλαιο 5. Ανάκτηση Πληροφορίας στον Παγκόσµιο Ιστό Κεφάλαιο 5. Ανάκτηση Πληροφορίας στον Παγκόσµιο Ιστό 5.1 Βασικές Έννοιες Στην ενότητα αυτή παρουσιάζονται ορισµένες βασικές έννοιες σχετικά µε την Ανάκτηση Πληροφορίας στον Παγκόσµιο Ιστό. Αρχικά δίνεται

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ. του Γεράσιμου Τουλιάτου ΑΜ: 697

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ. του Γεράσιμου Τουλιάτου ΑΜ: 697 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΣΤΑ ΠΛΑΙΣΙΑ ΤΟΥ ΜΕΤΑΠΤΥΧΙΑΚΟΥ ΔΙΠΛΩΜΑΤΟΣ ΕΙΔΙΚΕΥΣΗΣ ΕΠΙΣΤΗΜΗ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ του Γεράσιμου Τουλιάτου

Διαβάστε περισσότερα

Εισαγωγή στην ανάλυση συνδέσμων

Εισαγωγή στην ανάλυση συνδέσμων Εισαγωγή στην ανάλυση συνδέσμων Αποθήκες και Εξόρυξη Δεδομένων Διδάσκων: Μαρία Χαλκίδη Why link analysis? Why link analysis? The web is not just a collection of documents its hyperlinks are important!

Διαβάστε περισσότερα

E-commerce Networks & Applications. Η διαφήμιση στο Internet. Νίκος Κωνσταντίνου

E-commerce Networks & Applications. Η διαφήμιση στο Internet. Νίκος Κωνσταντίνου E-commerce Networks & Applications Η διαφήμιση στο Internet Νίκος Κωνσταντίνου Εισαγωγή Ηαπλήδημιουργίαενόςsite δεν είναι πλέον αρκετή Μια επένδυση σε ανάπτυξη και συντήρηση δεν αποδίδει χωρίς διαφήμιση

Διαβάστε περισσότερα

Web Mining. Χριστίνα Αραβαντινού Ιούνιος 2014

Web Mining. Χριστίνα Αραβαντινού Ιούνιος 2014 Web Mining Χριστίνα Αραβαντινού aravantino@ceid.upatras.gr Ιούνιος 2014 1 / 34 Χριστίνα Αραβαντινού Web Mining Περιεχόµενα 1 2 3 4 5 6 2 / 34 Χριστίνα Αραβαντινού Web Mining Το Web Mining στοχεύει στην

Διαβάστε περισσότερα

Ο αλγόριθμος PageRank της Google

Ο αλγόριθμος PageRank της Google Ο αλγόριθμος PageRank της Google 1 Η μηχανή αναζήτησης Google Το Google ξεκίνησε σαν μια κολεγιακή εργασία από τον Larry Page και τον Sergey Brin το 1996 με σκοπό την κατασκευή μιας μηχανής αναζήτησης

Διαβάστε περισσότερα

Μελέτη Περίπτωσης: Random Surfer

Μελέτη Περίπτωσης: Random Surfer Μελέτη Περίπτωσης: Random Surfer Introduction to Programming in Java: An Interdisciplinary Approach Robert Sedgewick and Kevin Wayne Copyright 2008 March 1, 2016 11:10 tt Memex Memex. [Vannevar Bush, 1936]

Διαβάστε περισσότερα

ΘΕΜΑ: ΤΕΧΝΟΛΟΓΙΕΣ ΜΗΧΑΝΩΝ ΑΝΑΖΗΤΗΣΗΣ ΚΑΙ ΟΙ ΕΦΑΡΜΟΓΕΣ ΤΟΥΣ ΣΤΙΣ ΤΡΕΧΟΥΣΕΣ WEB SEARCH ENGINES. ΕΠΟΠΤΗΣ ΚΑΘΗΓΗΤΗΣ: ΣΤΕΡΓΙΟΣ ΠΑΠΑΔΗΜΗΤΡΙΟΥ

ΘΕΜΑ: ΤΕΧΝΟΛΟΓΙΕΣ ΜΗΧΑΝΩΝ ΑΝΑΖΗΤΗΣΗΣ ΚΑΙ ΟΙ ΕΦΑΡΜΟΓΕΣ ΤΟΥΣ ΣΤΙΣ ΤΡΕΧΟΥΣΕΣ WEB SEARCH ENGINES. ΕΠΟΠΤΗΣ ΚΑΘΗΓΗΤΗΣ: ΣΤΕΡΓΙΟΣ ΠΑΠΑΔΗΜΗΤΡΙΟΥ ΤΕΙ ΚΑΒΑΛΑΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ & ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ:ΔΙΑΧΕΙΡΙΣΗ ΠΛΗΡΟΦΟΡΙΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΘΕΜΑ: ΤΕΧΝΟΛΟΓΙΕΣ ΜΗΧΑΝΩΝ ΑΝΑΖΗΤΗΣΗΣ ΚΑΙ ΟΙ ΕΦΑΡΜΟΓΕΣ ΤΟΥΣ ΣΤΙΣ ΤΡΕΧΟΥΣΕΣ WEB SEARCH ENGINES. ΕΠΟΠΤΗΣ ΚΑΘΗΓΗΤΗΣ: ΣΤΕΡΓΙΟΣ

Διαβάστε περισσότερα

Ανάκτηση Πληροφορίας

Ανάκτηση Πληροφορίας Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Ανάκτηση Πληροφορίας Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #04 Εισαγωγή στα Μοντέλα Ανάκτησης Πληροφορίας Boolean Μοντέλο 1 Άδεια χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

6 Εικόνα εξώφυλλου: Λωρίδα του Mobius (Σύνθεση). Νικόλαος Μπαλκίζας 10

6 Εικόνα εξώφυλλου: Λωρίδα του Mobius (Σύνθεση). Νικόλαος Μπαλκίζας 10 6 ΕΡΓΑΣΙΑ 1 «Η Μηχανή Αναζήτησης Google» 6 Εικόνα εξώφυλλου: Λωρίδα του Mobius. 2005. (Σύνθεση). Νικόλαος Μπαλκίζας 10 Η Μηχανή Αναζήτησης Google 7 Εισαγωγή Η εύρεση χρήσιμων πληροφορίων στον Παγκόσμιο

Διαβάστε περισσότερα

Ανάκτηση Δεδομένων (Information Retrieval)

Ανάκτηση Δεδομένων (Information Retrieval) Ανάκτηση Δεδομένων (Information Retrieval) Παύλος Εφραιμίδης Βάσεις Δεδομένων Ανάκτηση Δεδομένων 1 Information Retrieval (1) Βάσεις Δεδομένων: Περιέχουν δομημένη πληροφορία: Πίνακες Ανάκτηση Πληροφορίας

Διαβάστε περισσότερα

Προτεινόμενες Λύσεις 1 ης Σειράς Ασκήσεων (Αξιολόγηση της Αποτελεσματικότητας της Ανάκτησης & Μοντέλα Ανάκτησης)

Προτεινόμενες Λύσεις 1 ης Σειράς Ασκήσεων (Αξιολόγηση της Αποτελεσματικότητας της Ανάκτησης & Μοντέλα Ανάκτησης) Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών ΗΥ463 Συστήματα Ανάκτησης Πληροφοριών 28-29 Εαρινό Εξάμηνο Προτεινόμενες Λύσεις 1 ης Σειράς Ασκήσεων (Αξιολόγηση της Αποτελεσματικότητας της Ανάκτησης &

Διαβάστε περισσότερα

«Μηχανή Αναζήτησης Αρχείων» Ημερομηνία Παράδοσης: 30/04/2015, 09:00 π.μ.

«Μηχανή Αναζήτησης Αρχείων» Ημερομηνία Παράδοσης: 30/04/2015, 09:00 π.μ. ΕΡΓΑΣΙΑ 4 «Μηχανή Αναζήτησης Αρχείων» Ημερομηνία Παράδοσης: 30/04/2015, 09:00 π.μ. Στόχος Στόχος της Εργασίας 4 είναι να η εξοικείωση με την αντικειμενοστρέφεια (object oriented programming). Πιο συγκεκριμένα,

Διαβάστε περισσότερα

Ανάκτηση Πληροφορίας

Ανάκτηση Πληροφορίας ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 8: Λανθάνουσα Σημασιολογική Ανάλυση (Latent Semantic Analysis) Απόστολος Παπαδόπουλος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό

Διαβάστε περισσότερα

Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη 2009. HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems

Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη 2009. HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη 2009 HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems Στατιστικά Κειμένου Text Statistics Γιάννης Τζίτζικας άλ ιάλεξη :

Διαβάστε περισσότερα

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 24/3/2007

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 24/3/2007 Οδηγίες: Να απαντηθούν όλες οι ερωτήσεις. Όλοι οι αριθμοί που αναφέρονται σε όλα τα ερωτήματα μικρότεροι του 10000 εκτός αν ορίζεται διαφορετικά στη διατύπωση του προβλήματος. Αν κάπου κάνετε κάποιες υποθέσεις

Διαβάστε περισσότερα

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 24/3/2007

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 24/3/2007 Οδηγίες: Να απαντηθούν όλες οι ερωτήσεις. Όλοι οι αριθμοί που αναφέρονται σε όλα τα ερωτήματα μικρότεροι του 10000 εκτός αν ορίζεται διαφορετικά στη διατύπωση του προβλήματος. Αν κάπου κάνετε κάποιες υποθέσεις

Διαβάστε περισσότερα

Posting File. D i. tf key1 [position1 position2 ] D j tf key2... D l.. tf keyl

Posting File. D i. tf key1 [position1 position2 ] D j tf key2... D l.. tf keyl ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΗΥ463 Συστήµατα Ανάκτησης Πληροφοριών Εργασία: Ανεστραµµένο Ευρετήριο Εισαγωγή Σκοπός της εργασίας είναι η δηµιουργία ενός ανεστραµµένου ευρετηρίου για τη µηχανή αναζήτησης Μίτος, το

Διαβάστε περισσότερα

Δημιουργία μιας επιτυχημένης παρουσίας στο διαδίκτυο

Δημιουργία μιας επιτυχημένης παρουσίας στο διαδίκτυο Δημιουργία μιας επιτυχημένης παρουσίας στο διαδίκτυο 1 Πληροφορική: Τάσεις, Επιχειρηματικές Ευκαιρίες και Έρευνα ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ τμήματος Εφαρμοσμένης Πληροφορικής Πανεπιστημίου Μακεδονίας

Διαβάστε περισσότερα

Ανάκτηση Πληροφορίας. Διδάσκων: Φοίβος Μυλωνάς. Διάλεξη #03

Ανάκτηση Πληροφορίας. Διδάσκων: Φοίβος Μυλωνάς. Διάλεξη #03 Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Ανάκτηση Πληροφορίας Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #03 Βασικές έννοιες Ανάκτησης Πληροφορίας Δομή ενός συστήματος IR Αναζήτηση με keywords ευφυής

Διαβάστε περισσότερα

Πρόβλημα 1: Αναζήτηση Ελάχιστης/Μέγιστης Τιμής

Πρόβλημα 1: Αναζήτηση Ελάχιστης/Μέγιστης Τιμής Πρόβλημα 1: Αναζήτηση Ελάχιστης/Μέγιστης Τιμής Να γραφεί πρόγραμμα το οποίο δέχεται ως είσοδο μια ακολουθία S από n (n 40) ακέραιους αριθμούς και επιστρέφει ως έξοδο δύο ακολουθίες από θετικούς ακέραιους

Διαβάστε περισσότερα

Δικτυακά Πολυμέσα ΙΙ Διάλεξη #7 η : Μηχανές αναζήτησης: λειτουργία, αξιολόγηση. Γαβαλάς Δαμιανός

Δικτυακά Πολυμέσα ΙΙ Διάλεξη #7 η : Μηχανές αναζήτησης: λειτουργία, αξιολόγηση. Γαβαλάς Δαμιανός Δικτυακά Πολυμέσα ΙΙ Διάλεξη #7 η : Μηχανές αναζήτησης: λειτουργία, αξιολόγηση Γαβαλάς Δαμιανός dgavalas@aegean.gr 1 Πως οι χρήστες εντοπίζουν ιστοσελίδες στο web; Tα ποσοστά συμμετοχής των μηχανών αναζήτησης

Διαβάστε περισσότερα

Ο αλγόριθμος PAGE RANK και η βελτιστοποίησή του

Ο αλγόριθμος PAGE RANK και η βελτιστοποίησή του Ο αλγόριθμος PAGE RANK και η βελτιστοποίησή του Το περιεχόμενο της παρουσίασης βασίζεται στο: The Professional s Guide to PageRank Optimization http://www.scribd.com/doc/31056877/the Professionals Guide

Διαβάστε περισσότερα

Web Searching I: History and Basic Notions, Crawling II: Link Analysis Techniques III: Web Spam Page Identification

Web Searching I: History and Basic Notions, Crawling II: Link Analysis Techniques III: Web Spam Page Identification Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη 26 Διάθρωση HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems Web Searching I: History and Basic Notions, Crawling II: Link

Διαβάστε περισσότερα

Model) Retrieval Model)... 18

Model) Retrieval Model)... 18 Πανεπιστήμιο Πατρών Πολυτεχνική Σχολή Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής Αποδοτική Ιεραρχημένη Ανάκτηση Κοινωνικού Περιεχομένου με Χρήση Ταξονομιών Ετικετών Κοντοτάσιου Ιωάννα ΑΜ:

Διαβάστε περισσότερα

Τεχνικές Εξατομικευμένης Αναζήτησης στον Παγκόσμιο Ιστό

Τεχνικές Εξατομικευμένης Αναζήτησης στον Παγκόσμιο Ιστό ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ Τεχνικές Εξατομικευμένης Αναζήτησης στον Παγκόσμιο Ιστό Πλέγας Ιωάννης ΑΜ:466 Μάρτιος 2008 Επιβλέπων καθηγητής: Καθ. κ. Μακρής Χρήστος @ Πανεπιστήμιο

Διαβάστε περισσότερα

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 6/5/2006

ΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 6/5/2006 Οδηγίες: Να απαντηθούν όλες οι ερωτήσεις. Ολοι οι αριθμοί που αναφέρονται σε όλα τα ερωτήματα είναι μικρότεροι το 1000 εκτός αν ορίζεται διαφορετικά στη διατύπωση του προβλήματος. Διάρκεια: 3,5 ώρες Καλή

Διαβάστε περισσότερα

Ευρετήρια. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1

Ευρετήρια. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1 Ευρετήρια Ευαγγελία Πιτουρά 1 τιμή γνωρίσματος Ευρετήρια Ένα ευρετήριο (index) είναι μια βοηθητική δομή αρχείου που κάνει πιο αποδοτική την αναζήτηση μιας εγγραφής σε ένα αρχείο Το ευρετήριο καθορίζεται

Διαβάστε περισσότερα

Η ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΗΣΗΣ ΣΤΟ ΣΥΓΧΡΟΝΟ ΠΕΡΙΒΑΛΛΟΝ

Η ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΗΣΗΣ ΣΤΟ ΣΥΓΧΡΟΝΟ ΠΕΡΙΒΑΛΛΟΝ Η ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΗΣΗΣ ΣΤΟ ΣΥΓΧΡΟΝΟ ΠΕΡΙΒΑΛΛΟΝ Ιόνιο Πανεπιστήµιο Τµήµα Αρχειονοµίας-Βιβλιοθηκονοµίας Μεταπτυχιακό Πρόγραµµα Σπουδών2007-2008 ιδάσκουσα: Κατερίνα Τοράκη (Οι διαλέξεις περιλαµβάνουν

Διαβάστε περισσότερα

Γλωσσικη τεχνολογια. Προεπεξεργασία Κειμένου

Γλωσσικη τεχνολογια. Προεπεξεργασία Κειμένου Γλωσσικη τεχνολογια Προεπεξεργασία Κειμένου Στόχος Επεξεργασίας Γραπτό κείμενο: Τρόπος επικοινωνίας Φέρει σημασιολογικό περιεχόμενο Αναζητούμε τρόπο να: Μετρήσουμε το πληροφοριακό περιεχόμενο Ποσοτικοποιήσουμε

Διαβάστε περισσότερα

Βελτίωση της θέσης της ιστοσελίδας στις μηχανές αναζήτησης

Βελτίωση της θέσης της ιστοσελίδας στις μηχανές αναζήτησης Βελτίωση της θέσης της ιστοσελίδας στις μηχανές αναζήτησης Πέτρος Καρβέλης BSc, MSc Computer Science PhD Candidate Computer Science IT manager, Nextcom, Ioannina ΠΡΟΗΓΜΕΝΑ ΕΡΓΑΛΕΙΑ ΚΑΙ ΜΕΘΟΔΟΙ ΤΕΧΝΟΛΟΓΙΑΣ

Διαβάστε περισσότερα

Query-Driven Indexing for Scalable Peer-to-Peer Text Retrieval. Gleb Skobeltsyn, Toan Luu, Ivana Podnar Zarko, Martin Rajman, Karl Aberer

Query-Driven Indexing for Scalable Peer-to-Peer Text Retrieval. Gleb Skobeltsyn, Toan Luu, Ivana Podnar Zarko, Martin Rajman, Karl Aberer Query-Driven Indexing for Scalable Peer-to-Peer Text Retrieval Gleb Skobeltsyn, Toan Luu, Ivana Podnar Zarko, Martin Rajman, Karl Aberer Περιγραφή του προβλήματος Ευρετηριοποίηση μεγάλων συλλογών εγγράφων

Διαβάστε περισσότερα

Information Retrieval

Information Retrieval Ανάκληση Πληποφοπίαρ Information Retrieval Διδάζκων Δημήηπιορ Καηζαπόρ Διάλεξη 12η: 09/05/2016 Τμ. HMMY, Πανεπιστήμιο Θεσσαλίας 1 Ερπυστές στον Παγκόσμιο Ιστό 2 Sec. 20.2 Βασική λειτουργία του crawler

Διαβάστε περισσότερα

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ Τμήμα Ηλεκτρονικών Μηχανικών & Μηχανικών Υπολογιστών

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ Τμήμα Ηλεκτρονικών Μηχανικών & Μηχανικών Υπολογιστών ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ Τμήμα Ηλεκτρονικών Μηχανικών & Μηχανικών Υπολογιστών «Υλοποίηση Μηχανής Αναζήτησης βασισμένης στο PageRank με χρήση του Hadoop» «Implementation of a Pagerank-based Search Engine using

Διαβάστε περισσότερα

(C) 2010 Pearson Education, Inc. All rights reserved.

(C) 2010 Pearson Education, Inc. All rights reserved. Connectionless transmission with datagrams. Connection-oriented transmission is like the telephone system You dial and are given a connection to the telephone of fthe person with whom you wish to communicate.

Διαβάστε περισσότερα

Information Retrieval

Information Retrieval Introduction to Information Retrieval ΠΛΕ70: Ανάκτηση Πληροφορίας Διδάσκουσα: Ευαγγελία Πιτουρά Διάλεξη 7: Βαθμολόγηση. Στάθμιση όρων. Το μοντέλο διανυσματικού χώρου. 1 Κεφ. 6 Τι θα δούμε σήμερα; Βαθμολόγηση

Διαβάστε περισσότερα

Δυναμικά Πολυεπίπεδα Ευρετήρια (Β-δένδρα) Μ.Χατζόπουλος 1

Δυναμικά Πολυεπίπεδα Ευρετήρια (Β-δένδρα) Μ.Χατζόπουλος 1 Δυναμικά Πολυεπίπεδα Ευρετήρια (Β-δένδρα) Μ.Χατζόπουλος 1 Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ.Χατζόπουλος 2 Δένδρο αναζήτησης είναι ένας ειδικός τύπος δένδρου που χρησιμοποιείται για να καθοδηγήσει την αναζήτηση μιας

Διαβάστε περισσότερα

ΕΠΛ 002: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ. Μηχανές αναζήτησης

ΕΠΛ 002: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ. Μηχανές αναζήτησης ΕΠΛ 002: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ Μηχανές αναζήτησης Στόχοι 1 Να εξηγήσουμε για ποιον λόγο μας είναι απαραίτητες οι μηχανές αναζήτησης στον Παγκόσμιο Ιστό. Να περιγράψουμε κάποιους από τους

Διαβάστε περισσότερα

ΠΑΡΟΥΣΙΑΣΗ ΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΙΣΤΟΣΕΛΙΔΩΝ ΓΙΑ ΤΙΣ ΜΗΧΑΝΕΣ ΑΝΑΖΗΤΗΣΗΣ, ΠΟΙΟΤΙΚΗ ΕΡΕΥΝΑ ΣΕ ΕΙΔΙΚΟΥΣ SEO

ΠΑΡΟΥΣΙΑΣΗ ΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΙΣΤΟΣΕΛΙΔΩΝ ΓΙΑ ΤΙΣ ΜΗΧΑΝΕΣ ΑΝΑΖΗΤΗΣΗΣ, ΠΟΙΟΤΙΚΗ ΕΡΕΥΝΑ ΣΕ ΕΙΔΙΚΟΥΣ SEO Βαμβακάς Χρήστος Τασούλης Κωνσταντίνος ΠΑΡΟΥΣΙΑΣΗ ΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΙΣΤΟΣΕΛΙΔΩΝ ΓΙΑ ΤΙΣ ΜΗΧΑΝΕΣ ΑΝΑΖΗΤΗΣΗΣ, ΠΟΙΟΤΙΚΗ ΕΡΕΥΝΑ ΣΕ ΕΙΔΙΚΟΥΣ SEO INTERNET MARKETING Βασικότεροι τύποι: Social

Διαβάστε περισσότερα

Homework 3 Solutions

Homework 3 Solutions Homework 3 Solutions Igor Yanovsky (Math 151A TA) Problem 1: Compute the absolute error and relative error in approximations of p by p. (Use calculator!) a) p π, p 22/7; b) p π, p 3.141. Solution: For

Διαβάστε περισσότερα

Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ»

Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ» Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ» 2 ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Προβλήματα ελάχιστης συνεκτικότητας δικτύου Το πρόβλημα της ελάχιστης

Διαβάστε περισσότερα

Παρουσίαση της εργασίας στο μάθημα Νέες Τεχνολογίες στην Επιστημονική Έρευνα: Διαδίκτυο και Εκπαίδευση (Εαρινό 2016) Β Μέρος. Γιώργος Μικρός ΕΚΠΑ

Παρουσίαση της εργασίας στο μάθημα Νέες Τεχνολογίες στην Επιστημονική Έρευνα: Διαδίκτυο και Εκπαίδευση (Εαρινό 2016) Β Μέρος. Γιώργος Μικρός ΕΚΠΑ Παρουσίαση της εργασίας στο μάθημα Νέες Τεχνολογίες στην Επιστημονική Έρευνα: Διαδίκτυο και Εκπαίδευση (Εαρινό 2016) Β Μέρος Γιώργος Μικρός ΕΚΠΑ Γλωσσικά χαρακτηριστικά Θα αναλύσουμε την συχνότητα ορισμένων

Διαβάστε περισσότερα

Τι (άλλο) θα δούμε σήμερα;

Τι (άλλο) θα δούμε σήμερα; Introduction to Information Retrieval ΠΛΕ70: Ανάκτηση Πληροφορίας Διδάσκουσα: Ευαγγελία Πιτουρά Διάλεξη6: Βαθμολόγηση. Στάθμιση όρων. Το μοντέλο διανυσματικού χώρου. 1 Κεφ. 6 Τι (άλλο) θα δούμε σήμερα;

Διαβάστε περισσότερα

Σχέσεις, Ιδιότητες, Κλειστότητες

Σχέσεις, Ιδιότητες, Κλειστότητες Σχέσεις, Ιδιότητες, Κλειστότητες Ορέστης Τελέλης telelis@unipi.gr Τµήµα Ψηφιακών Συστηµάτων, Πανεπιστήµιο Πειραιώς Ο. Τελέλης Πανεπιστήµιο Πειραιώς Σχέσεις 1 / 26 Εισαγωγή & Ορισµοί ιµελής Σχέση R από

Διαβάστε περισσότερα

Τα δεδομένα (περιεχόμενο) μιας βάσης δεδομένων αποθηκεύεται στο δίσκο

Τα δεδομένα (περιεχόμενο) μιας βάσης δεδομένων αποθηκεύεται στο δίσκο Κατακερματισμός 1 Αποθήκευση εδομένων (σύνοψη) Τα δεδομένα (περιεχόμενο) μιας βάσης δεδομένων αποθηκεύεται στο δίσκο Παραδοσιακά, μία σχέση (πίνακας/στιγμιότυπο) αποθηκεύεται σε ένα αρχείο Αρχείο δεδομένων

Διαβάστε περισσότερα

Ευρετήρια. Ευρετήρια. Βάσεις Δεδομένων 2009-2010: Ευρετήρια 1

Ευρετήρια. Ευρετήρια. Βάσεις Δεδομένων 2009-2010: Ευρετήρια 1 Ευρετήρια 1 Ευρετήρια Ένα ευρετήριο (index) είναι μια βοηθητική δομή αρχείου που κάνει πιο αποδοτική την αναζήτηση μιας εγγραφής σε ένα αρχείο Το ευρετήριο καθορίζεται (συνήθως) σε ένα γνώρισμα του αρχείου

Διαβάστε περισσότερα

HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems. Μοντέλα Ανάκτησης Ι

HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems. Μοντέλα Ανάκτησης Ι Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη 009 HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems Μοντέλα Ανάκτησης Ι (Retrieval Models) Γιάννης Τζίτζικας άλ ιάλεξη

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2: Τύποι δεδομένων και εμφάνιση στοιχείων...33

ΚΕΦΑΛΑΙΟ 2: Τύποι δεδομένων και εμφάνιση στοιχείων...33 ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος του συγγραφέα... 13 Πρόλογος του καθηγητή Τιμολέοντα Σελλή... 15 ΚΕΦΑΛΑΙΟ 1: Εργαλεία γλωσσών προγραμματισμού...17 1.1 Γλώσσες προγραμματισμού τρίτης γεννεάς... 18 τι είναι η γλώσσα

Διαβάστε περισσότερα

DISTRIBUTED CACHE TABLE: EFFICIENT QUERY-DRIVEN PROCESSING OF MULTI-TERM QUERIES IN P2P NETWORKS

DISTRIBUTED CACHE TABLE: EFFICIENT QUERY-DRIVEN PROCESSING OF MULTI-TERM QUERIES IN P2P NETWORKS DISTRIBUTED CACHE TABLE: EFFICIENT QUERY-DRIVEN PROCESSING OF MULTI-TERM QUERIES IN P2P NETWORKS Paper By: Gleb Skobeltsyn, Karl Aberer Presented by: Βασίλης Φωτόπουλος Agenda 1. Ορισμός του προβλήματος

Διαβάστε περισσότερα

Αναζήτηση Πληροφοριών στο Διαδίκτυο

Αναζήτηση Πληροφοριών στο Διαδίκτυο Αναζήτηση Πληροφοριών στο Διαδίκτυο Πηγές Πληροφόρησης - Εργαλεία Αναζήτησης - Στρατηγικές Αναζήτησης ΤΕΙ ΚΡΗΤΗΣ Τμήμα Κοινωνικής Εργασίας Πληροφορική Ι Μια κινέζικη παροιμία λέει «Αν σού δώσω ένα ψάρι

Διαβάστε περισσότερα

ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ. Μάθημα 10 ο : Αποσαφήνιση εννοιών λέξεων. Γεώργιος Πετάσης. Ακαδημαϊκό Έτος:

ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ. Μάθημα 10 ο : Αποσαφήνιση εννοιών λέξεων. Γεώργιος Πετάσης. Ακαδημαϊκό Έτος: ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ Μάθημα 10 ο : Αποσαφήνιση εννοιών λέξεων Γεώργιος Πετάσης Ακαδημαϊκό Έτος: 2012 2013 ΤMHMA MHXANIKΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ, Πανεπιστήμιο Πατρών, 2012 2013 Οι διαφάνειες αυτού του μαθήματος

Διαβάστε περισσότερα

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον Τμήμα Μηχανικών Πληροφορικής Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Οκτώβριος 2014 Δρ. Δημήτρης Βαρσάμης Οκτώβριος 2014 1 / 42 Αριθμητικές Μέθοδοι

Διαβάστε περισσότερα

Κεφάλαιο 2.4 Matrix Algorithms

Κεφάλαιο 2.4 Matrix Algorithms Κεφάλαιο 2.4 Matrix Algorithms Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι Αλγόριθμοι» Καούρη Γεωργία Μήτσου Βασιλική Κατασκευή ΝxNxN Mesh of trees (1/3) Στον ΝxNxN κύβο προσθέτω τους εξής κόμβους:

Διαβάστε περισσότερα

Πληροφορική 2. Δομές δεδομένων και αρχείων

Πληροφορική 2. Δομές δεδομένων και αρχείων Πληροφορική 2 Δομές δεδομένων και αρχείων 1 2 Δομή Δεδομένων (data structure) Δομή δεδομένων είναι μια συλλογή δεδομένων που έχουν μεταξύ τους μια συγκεκριμένη σχέση Παραδείγματα δομών δεδομένων Πίνακες

Διαβάστε περισσότερα

Ευρετηρίαση, Αποθήκευση και Οργάνωση Αρχείων (Indexing, Storage and File Organization) ΜΕΡΟΣ Ι

Ευρετηρίαση, Αποθήκευση και Οργάνωση Αρχείων (Indexing, Storage and File Organization) ΜΕΡΟΣ Ι Ευρετηρίαση, Αποθήκευση και Οργάνωση Αρχείων (Indexing, Storage and File Organization) ΜΕΡΟΣ Ι Κεφάλαιο 8 Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη 2009 Ανάκτηση Πληροφορίας 2009-2010 1 Δομές

Διαβάστε περισσότερα

Ανάκτηση Πληροφορίας

Ανάκτηση Πληροφορίας Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Ανάκτηση Πληροφορίας Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #10 εικτοδότηση και Αναζήτηση Φοίβος Μυλωνάς fmylonas@ionio.gr Ανάκτηση Πληροφορίας 1 Άδεια

Διαβάστε περισσότερα

2 Μάρκετινγκ µηχανών αναζήτησης (Search Engine Marketing).

2 Μάρκετινγκ µηχανών αναζήτησης (Search Engine Marketing). 1 Εισαγωγή στο Internet Marketing 1.1. Τι πρέπει να γνωρίζετε πριν ξεκινήσετε. 1.2. Εξοικείωση µε τα εργαλεία βελτιστοποίησης των µηχανών αναζήτησης. 2 Μάρκετινγκ µηχανών αναζήτησης (Search Engine Marketing).

Διαβάστε περισσότερα

Ευρετήρια. Ευρετήρια. Βάσεις Δεδομένων : Ευρετήρια 1

Ευρετήρια. Ευρετήρια. Βάσεις Δεδομένων : Ευρετήρια 1 Ευρετήρια 1 Ευρετήρια Ένα ευρετήριο (index) είναι μια βοηθητική δομή αρχείου που κάνει πιο αποδοτική την αναζήτηση μιας εγγραφής σε ένα αρχείο Το ευρετήριο καθορίζεται (συνήθως) σε ένα γνώρισμα του αρχείου

Διαβάστε περισσότερα

4.6 Autoregressive Moving Average Model ARMA(1,1)

4.6 Autoregressive Moving Average Model ARMA(1,1) 84 CHAPTER 4. STATIONARY TS MODELS 4.6 Autoregressive Moving Average Model ARMA(,) This section is an introduction to a wide class of models ARMA(p,q) which we will consider in more detail later in this

Διαβάστε περισσότερα

Ανάκληση Πληποφοπίαρ. Information Retrieval. Διδάζκων Δημήηριος Καηζαρός

Ανάκληση Πληποφοπίαρ. Information Retrieval. Διδάζκων Δημήηριος Καηζαρός Ανάκληση Πληποφοπίαρ Information Retrieval Διδάζκων Δημήηριος Καηζαρός Διάλεξη 7η: 21/03/2016 1 Ch. 4 Κατασκευή του ευρετηρίου Πώς κατασκευάζουμε το ευρετήριο; Ποιες στρατηγικές μπορούμε ν ακολουθήσουμε

Διαβάστε περισσότερα

Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems

Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη 2008 HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems Στατιστικά Κειμένου Text Statistics Γιάννης Τζίτζικας ιάλεξη : 14a

Διαβάστε περισσότερα

Εισαγωγή στην Επεξεργασία Ερωτήσεων. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1

Εισαγωγή στην Επεξεργασία Ερωτήσεων. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1 Εισαγωγή στην Επεξεργασία Ερωτήσεων Βάσεις Δεδομένων 2013-2014 Ευαγγελία Πιτουρά 1 Επεξεργασία Ερωτήσεων Θα δούμε την «πορεία» μιας SQL ερώτησης (πως εκτελείται) Ερώτηση SQL Ερώτηση ΣΒΔ Αποτέλεσμα Βάσεις

Διαβάστε περισσότερα

Δημιουργία Λογαριασμού Διαχείρισης Business Telephony Create a Management Account for Business Telephony

Δημιουργία Λογαριασμού Διαχείρισης Business Telephony Create a Management Account for Business Telephony Δημιουργία Λογαριασμού Διαχείρισης Business Telephony Create a Management Account for Business Telephony Ελληνικά Ι English 1/7 Δημιουργία Λογαριασμού Διαχείρισης Επιχειρηματικής Τηλεφωνίας μέσω της ιστοσελίδας

Διαβάστε περισσότερα

Use Cases: μια σύντομη εισαγωγή. Heavily based on UML & the UP by Arlow and Neustadt, Addison Wesley, 2002

Use Cases: μια σύντομη εισαγωγή. Heavily based on UML & the UP by Arlow and Neustadt, Addison Wesley, 2002 Use Cases: μια σύντομη εισαγωγή Heavily based on UML & the UP by Arlow and Neustadt, Addison Wesley, 2002 (γενικές εισαγωγικές ιδέες) ΣΥΛΛΟΓΗ ΑΠΑΙΤΗΣΕΩΝ 2 Ανάλυση απαιτήσεων Λειτουργικές απαιτήσεις: τι

Διαβάστε περισσότερα

Γράφηµα (Graph) Εργαστήριο 10. Εισαγωγή

Γράφηµα (Graph) Εργαστήριο 10. Εισαγωγή Εργαστήριο 10 Γράφηµα (Graph) Εισαγωγή Στην πληροφορική γράφηµα ονοµάζεται µια δοµή δεδοµένων, που αποτελείται από ένα σύνολο κορυφών ( vertices) (ή κόµβων ( nodes» και ένα σύνολο ακµών ( edges). Ενας

Διαβάστε περισσότερα

The DeGroot model for Social Influence and Opinions

The DeGroot model for Social Influence and Opinions The DeGroot model for Social Influence and Opinions An Example Περιεχόμενα Το βασικό μοντέλο DeGroot Το μοντέλο DeGroot με πεισματάρηδες κόμβους Ένα παράδειγμα Έστω ένα κοινωνικό δίκτυο με τρεις κόμβους

Διαβάστε περισσότερα

ΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ. Κλάσεις και Αντικείμενα

ΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ. Κλάσεις και Αντικείμενα ΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Κλάσεις και Αντικείμενα Η εξέλιξη των γλωσσών προγραμματισμού Η εξέλιξη των γλωσσών προγραμματισμού είναι μια διαδικασία αφαίρεσης Στην αρχή ένα πρόγραμμα ήταν

Διαβάστε περισσότερα

Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems

Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη 2007 HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems Στατιστικά Κειμένου Text Statistics Γιάννης Τζίτζικας ιάλεξη : 14a

Διαβάστε περισσότερα

Elements of Information Theory

Elements of Information Theory Elements of Information Theory Model of Digital Communications System A Logarithmic Measure for Information Mutual Information Units of Information Self-Information News... Example Information Measure

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση ΚΕΦΑΛΑΙΟ 18 18 Μηχανική Μάθηση Ένα φυσικό ή τεχνητό σύστηµα επεξεργασίας πληροφορίας συµπεριλαµβανοµένων εκείνων µε δυνατότητες αντίληψης, µάθησης, συλλογισµού, λήψης απόφασης, επικοινωνίας και δράσης

Διαβάστε περισσότερα

ΔΙΕΡΕΥΝΗΣΗ ΤΗΣ ΣΕΞΟΥΑΛΙΚΗΣ ΔΡΑΣΤΗΡΙΟΤΗΤΑΣ ΤΩΝ ΓΥΝΑΙΚΩΝ ΚΑΤΑ ΤΗ ΔΙΑΡΚΕΙΑ ΤΗΣ ΕΓΚΥΜΟΣΥΝΗΣ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ

ΔΙΕΡΕΥΝΗΣΗ ΤΗΣ ΣΕΞΟΥΑΛΙΚΗΣ ΔΡΑΣΤΗΡΙΟΤΗΤΑΣ ΤΩΝ ΓΥΝΑΙΚΩΝ ΚΑΤΑ ΤΗ ΔΙΑΡΚΕΙΑ ΤΗΣ ΕΓΚΥΜΟΣΥΝΗΣ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ Πτυχιακή Εργασία ΔΙΕΡΕΥΝΗΣΗ ΤΗΣ ΣΕΞΟΥΑΛΙΚΗΣ ΔΡΑΣΤΗΡΙΟΤΗΤΑΣ ΤΩΝ ΓΥΝΑΙΚΩΝ ΚΑΤΑ ΤΗ ΔΙΑΡΚΕΙΑ ΤΗΣ ΕΓΚΥΜΟΣΥΝΗΣ ΑΝΔΡΕΟΥ ΣΤΕΦΑΝΙΑ Λεμεσός 2012 i ii ΤΕΧΝΟΛΟΓΙΚΟ

Διαβάστε περισσότερα

ΕΠΛ660. Ανάλυση Υπερσυνδέσµων

ΕΠΛ660. Ανάλυση Υπερσυνδέσµων Ανάλυση Υπερσυνδέσµων Περιεχόµενα Μαθήµατος Anchor text Link analysis for ranking Markov Chains Pagerank and variants How can I improve the PageRank of my Web pages? HITS The Web as a Directed Graph Page

Διαβάστε περισσότερα

ΚΥΠΡΙΑΚΟΣ ΣΥΝΔΕΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY 21 ος ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ Δεύτερος Γύρος - 30 Μαρτίου 2011

ΚΥΠΡΙΑΚΟΣ ΣΥΝΔΕΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY 21 ος ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ Δεύτερος Γύρος - 30 Μαρτίου 2011 Διάρκεια Διαγωνισμού: 3 ώρες Απαντήστε όλες τις ερωτήσεις Μέγιστο Βάρος (20 Μονάδες) Δίνεται ένα σύνολο από N σφαιρίδια τα οποία δεν έχουν όλα το ίδιο βάρος μεταξύ τους και ένα κουτί που αντέχει μέχρι

Διαβάστε περισσότερα

Ανάκτηση Πληροφορίας. Φροντιστήριο 3

Ανάκτηση Πληροφορίας. Φροντιστήριο 3 Ανάκτηση Πληροφορίας Φροντιστήριο 3 Τσιράκης Νίκος Νοέμβριος 2007 2 Περιεχόμενα Ανεστραμμένα Αρχεία Εισαγωγή Δημιουργία Συμπίεση Πιθανοτικά Μοντέλα 3 Ανεστραμμένα Αρχεία 4 Εισαγωγή Με ποιους τρόπους μπορούμε

Διαβάστε περισσότερα

Γράφημα. Συνδυαστικό αντικείμενο που αποτελείται από 2 σύνολα: Σύνολο κορυφών (vertex set) Σύνολο ακμών (edge set) 4 5 πλήθος κορυφών πλήθος ακμών

Γράφημα. Συνδυαστικό αντικείμενο που αποτελείται από 2 σύνολα: Σύνολο κορυφών (vertex set) Σύνολο ακμών (edge set) 4 5 πλήθος κορυφών πλήθος ακμών Γράφημα Συνδυαστικό αντικείμενο που αποτελείται από 2 σύνολα: Σύνολο κορυφών (vertex set) Σύνολο ακμών (edge set) 1 2 3 4 5 πλήθος κορυφών πλήθος ακμών Γράφημα Συνδυαστικό αντικείμενο που αποτελείται από

Διαβάστε περισσότερα

Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων 1ο Σετ Ασκήσεων - Λύσεις

Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων 1ο Σετ Ασκήσεων - Λύσεις Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων ο Σετ Ασκήσεων - Λύσεις Νοέμβριος - Δεκέμβριος 205 Ερώτημα (α). Η νοσοκόμα ακολουθεί μια Ομογενή Μαρκοβιανή Αλυσίδα Διακριτού Χρόνου με χώρο καταστάσεων το σύνολο

Διαβάστε περισσότερα

Information Retrieval

Information Retrieval Ανάκληση Πληποφοπίαρ Information Retrieval Διδάζκων Δημήηριος Καηζαρός Διάλεξη 13η: 10/05/2016 Τμ. HMMY, Πανεπιστήμιο Θεσσαλίας 1 Ερπυστές στον Παγκόσμιο Ιστό Το πρόβλημα της ανενέωσης σελίδων στον index

Διαβάστε περισσότερα

SilverPlatter WebSPIRS 4.1.

SilverPlatter WebSPIRS 4.1. WebSPIRS 4.1. Η υπηρεσία WebSPIRS από τη SilverPlatter αποτελεί ένα φιλικό εργαλείο πρόσβασης και αναζήτησης σε περιεχόμενα βάσεων δεδομένων. Η Βιβλιοθήκη και Κέντρο Πληροφόρησης του Πανεπιστημίου Θεσσαλίας

Διαβάστε περισσότερα

Τα δεδοµένα συνήθως αποθηκεύονται σε αρχεία στο δίσκο Για να επεξεργαστούµε τα δεδοµένα θα πρέπει αυτά να βρίσκονται στη

Τα δεδοµένα συνήθως αποθηκεύονται σε αρχεία στο δίσκο Για να επεξεργαστούµε τα δεδοµένα θα πρέπει αυτά να βρίσκονται στη Ευρετήρια 1 Αρχεία Τα δεδοµένα συνήθως αποθηκεύονται σε αρχεία στο δίσκο Για να επεξεργαστούµε τα δεδοµένα θα πρέπει αυτά να βρίσκονται στη µνήµη. Η µεταφορά δεδοµένων από το δίσκο στη µνήµη και από τη

Διαβάστε περισσότερα

þÿ¼ ½ ±Â : ÁÌ» Â Ä Å ÃÄ ²µ þÿä Å ÃÇ»¹º Í Á³ Å

þÿ¼ ½ ±Â : ÁÌ» Â Ä Å ÃÄ ²µ þÿä Å ÃÇ»¹º Í Á³ Å Neapolis University HEPHAESTUS Repository School of Economic Sciences and Business http://hephaestus.nup.ac.cy Master Degree Thesis 2015 þÿ ½»Åà Äɽ µ½½ ¹Î½ Ä Â þÿ±¾¹»ì³ à  º±¹ Ä Â þÿ±à ĵ»µÃ¼±Ä¹ºÌÄ Ä±Â

Διαβάστε περισσότερα

World Wide Web: Ο παγκόσµιος ιστός Πληροφοριών

World Wide Web: Ο παγκόσµιος ιστός Πληροφοριών Περιεχόµενα World Wide Web: Ο παγκόσµιος ιστός Πληροφοριών Εισαγωγή Ιστορική Αναδροµή Το ιαδίκτυο και το WWW Υπερκείµενο Εντοπισµός πληροφοριών στο WWW Search Engines Portals Unicode Java Plug-Ins 1 2

Διαβάστε περισσότερα

Εργαστήριο Προγραμματισμού και τεχνολογίας Ευφυών συστημάτων (intelligence)

Εργαστήριο Προγραμματισμού και τεχνολογίας Ευφυών συστημάτων (intelligence) Εργαστήριο Προγραμματισμού και τεχνολογίας Ευφυών συστημάτων (intelligence) http://www.intelligence.tuc.gr Τμήμα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Το εργαστήριο Ένα από τα 3 εργαστήρια του

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τμήμα Πληροφορικής

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τμήμα Πληροφορικής ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τμήμα Πληροφορικής ΕΠΛ 132 Αρχές Προγραμματισμού ΙΙ ΑΣΚΗΣΗ 2 Επεξεργασία Πινάκων με Αλγόριθμο PageRank & Επεξεργασία Συμβολοσειρών με Απόσταση SED Διδάσκων: Δημήτρης Ζεϊναλιπούρ Υπεύθυνος

Διαβάστε περισσότερα

Το μοντέλο DeGroot και το Παίγνιο Επιρροής

Το μοντέλο DeGroot και το Παίγνιο Επιρροής Το μοντέλο DeGroot και το Παίγνιο Επιρροής Social Influence and Opinion Dynamics Παύλος Εφραιμίδης Επίκ. καθηγητής An Example Περιεχόμενα Το βασικό μοντέλο DeGroot Το μοντέλο DeGroot με πεισματάρηδες κόμβους

Διαβάστε περισσότερα

TMA4115 Matematikk 3

TMA4115 Matematikk 3 TMA4115 Matematikk 3 Andrew Stacey Norges Teknisk-Naturvitenskapelige Universitet Trondheim Spring 2010 Lecture 12: Mathematics Marvellous Matrices Andrew Stacey Norges Teknisk-Naturvitenskapelige Universitet

Διαβάστε περισσότερα

Non Linear Equations (2)

Non Linear Equations (2) Non Linear Equations () Τρίτη, 17 Φεβρουαρίου 015 5:14 μμ 15.0.19 Page 1 15.0.19 Page 15.0.19 Page 3 15.0.19 Page 4 15.0.19 Page 5 15.0.19 Page 6 15.0.19 Page 7 15.0.19 Page 8 15.0.19 Page 9 15.0.19 Page

Διαβάστε περισσότερα

Σχολή Μηχανολόγων Μηχανικών ΕΜΠ 4 ο Εξάμηνο ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ. Πρώτη Ενότητα Αριθμητική Επίλυση Μη-Γραμμικών Εξισώσεων

Σχολή Μηχανολόγων Μηχανικών ΕΜΠ 4 ο Εξάμηνο ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ. Πρώτη Ενότητα Αριθμητική Επίλυση Μη-Γραμμικών Εξισώσεων Σχολή Μηχανολόγων Μηχανικών ΕΜΠ 4 ο Εξάμηνο ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ Πρώτη Ενότητα Αριθμητική Επίλυση Μη-Γραμμικών Εξισώσεων ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ, Κ. ΓΙΑΝΝΑΚΟΓΛΟΥ, Σχ. Μηχ. Μηχ. ΕΜΠ 1 Αριθμητική Επίλυση Μη-Γραμμικών

Διαβάστε περισσότερα

ΤΕΙ ΣΕΡΡΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ» ΠΑ. 7 ΣΕΠΤΕΜΒΡΙΟΥ 2012

ΤΕΙ ΣΕΡΡΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ» ΠΑ. 7 ΣΕΠΤΕΜΒΡΙΟΥ 2012 ΠΑ. 7 ΣΕΠΤΕΜΒΡΙΟΥ Δίνονται τα εξής πρότυπα: [ ] [ ] [ ] [ ] Άσκηση η (3 μονάδες) Χρησιμοποιώντας το κριτήριο της ομοιότητας να απορριφθεί ένα χαρακτηριστικό με βάση το συντελεστή συσχέτισης. (γράψτε ποιο

Διαβάστε περισσότερα

Web search basics. Content. History Web Size Spam Link Analysis. Ανάκτηση Πληροφορίας 2009-2010

Web search basics. Content. History Web Size Spam Link Analysis. Ανάκτηση Πληροφορίας 2009-2010 Web search basics 1 Content History Web Size Spam Link Analysis 2 History 3 Brief (non-technical) history Hypertext In the 1990 s: (1) Server communicates with the client via a protocol (http) that is

Διαβάστε περισσότερα

ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ Α. Διαβάστε τις ειδήσεις και εν συνεχεία σημειώστε. Οπτική γωνία είδησης 1:.

ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ Α.  Διαβάστε τις ειδήσεις και εν συνεχεία σημειώστε. Οπτική γωνία είδησης 1:. ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ Α 2 ειδήσεις από ελληνικές εφημερίδες: 1. Τα Νέα, 13-4-2010, Σε ανθρώπινο λάθος αποδίδουν τη συντριβή του αεροσκάφους, http://www.tanea.gr/default.asp?pid=2&artid=4569526&ct=2 2. Τα Νέα,

Διαβάστε περισσότερα

Αλγόριθµοι Τύπου Μείωσης Προβλήµατος

Αλγόριθµοι Τύπου Μείωσης Προβλήµατος Αλγόριθµοι Τύπου Μείωσης Προβλήµατος Περίληψη Αλγόριθµοι Τύπου Μείωσης Προβλήµατος ( Decrease and Conquer ) Μείωση κατά µια σταθερά (decrease by a constant) Μείωση κατά ένα ποσοστό (decrease by a constant

Διαβάστε περισσότερα

Διάλεξη 22: Τεχνικές Κατακερματισμού I (Hashing)

Διάλεξη 22: Τεχνικές Κατακερματισμού I (Hashing) Διάλεξη 22: Τεχνικές Κατακερματισμού I (Hashing) Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: Ανασκόπηση Προβλήματος και Προκαταρκτικών Λύσεων Bit Διανύσματα Τεχνικές Κατακερματισμού & Συναρτήσεις

Διαβάστε περισσότερα

Ανάκτηση Κειμένου (εισαγωγικά θέματα)

Ανάκτηση Κειμένου (εισαγωγικά θέματα) Θέματα σχετικά με από τον Παγκόσμιο Ιστό Ανάκτηση Κειμένου (εισαγωγικά θέματα) Δεδομένων: Ακ. Έτος 2007-2008 ΠΑΓΚΟΣΜΙΟΣ ΙΣΤΟΣ 2 Ανάκτηση Πληροφορίας Ανάκτηση Πληροφορίας Βάσεις Κειμένων (document databases)

Διαβάστε περισσότερα

2 Composition. Invertible Mappings

2 Composition. Invertible Mappings Arkansas Tech University MATH 4033: Elementary Modern Algebra Dr. Marcel B. Finan Composition. Invertible Mappings In this section we discuss two procedures for creating new mappings from old ones, namely,

Διαβάστε περισσότερα

ΑΝΙΧΝΕΥΣΗ ΓΕΓΟΝΟΤΩΝ ΒΗΜΑΤΙΣΜΟΥ ΜΕ ΧΡΗΣΗ ΕΠΙΤΑΧΥΝΣΙΟΜΕΤΡΩΝ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ

ΑΝΙΧΝΕΥΣΗ ΓΕΓΟΝΟΤΩΝ ΒΗΜΑΤΙΣΜΟΥ ΜΕ ΧΡΗΣΗ ΕΠΙΤΑΧΥΝΣΙΟΜΕΤΡΩΝ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΕΠΙΚΟΙΝΩΝΙΩΝ ΗΛΕΚΤΡΟΝΙΚΗΣ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΑΝΙΧΝΕΥΣΗ ΓΕΓΟΝΟΤΩΝ ΒΗΜΑΤΙΣΜΟΥ ΜΕ ΧΡΗΣΗ ΕΠΙΤΑΧΥΝΣΙΟΜΕΤΡΩΝ

Διαβάστε περισσότερα