Vector Model vs. Boolean Model CS-463 Information Retrieval Spring Costas Vandikas
|
|
- Ἀριστόδημε Δαμασκηνός
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Vector Model vs. Boolean Model CS-463 Information Retrieval Spring 2006 Costas Vandikas Τεχνική παρουσίαση του εργαλείου που υλοποιεί μια Real-Time σύγκριση των δύο μοντέλων Ένα τυπικό σύστημα ανάκτησης πληροφορίας αποτελείται από τα παραπάνω τμήματα. Για λόγους απλότητας η εφαρμογή μας εστιάζεται σε 3 μόνο από τα παραπάνω συστατικά. Τα τμήματα αυτά είναι, το Σύστημα Κειμένων (Text Database), ο μηχανισμός αναζήτησης (Searching) και η Διεπαφή του χρήστη (User Interface). Οι υπόλοιπες διαδικασίες εξαιτίας του μεγέθους της εφαρμογής συμπεριλαμβάνονται μέσα στα τρία αυτά πακέτα. Τα πακέτα αυτά υλοποιούνται ως εξής:
2 1. Σύστημα Κειμένων Το σύστημα κειμένων υλοποιείται από τις παραπάνω 6 κλάσεις. WordReader: Εκτελεί την ανάγνωση ενός αρχείου κειμένου, χαρακτήρα-χαρακτήρα απορρίπτοντας όλους τους χαρακτήρες εκτός από αυτούς που βρίσκονται μεταξύ των γραμμάτων a και z. Για διαχωριστικά μεταξύ των λέξεων χρησιμοποιούνται οι χαρακτήρες κενό, κόμμα, τελεία, παύλα και αλλαγή γραμμής. Επιπλέον τα κεφαλαία γράμματα μετατρέπονται σε μικρά. Οι απλοποιήσεις αυτές αλλοιώνουν το κείμενο όμως κατορθώνουνε να αντλήσουν όσο το δυνατό περισσότερα ουσιαστικά για να φτιάξουμε με αυτά τα keywords κάθε κειμένου. StopWordTreeSet: Δενδρική δομή που περιέχει τα stop words που θα αγνοήσει η εφαρμογή όταν θα χτίζει τα index terms ενός document. Τα stop words βρίσκονται στον κατάλογο support και ο χρήστης μπορεί να τα τροποποιήσει. Συμφώνα με τις προδιαγραφές της εργασίας στα stop words υπάρχουν τα άρθρα the, a και an. Keyword: Η κλάση αυτή καταχωρεί κάθε λέξη-κλειδί (ή αλλιώς index term) που βρίσκουμε σε ένα κείμενο. Επίσης καταχωρεί και την συχνότητα της λέξης. Το χαρακτηριστικό αυτό το εκμεταλλευόμαστε στο Διανυσματικό μοντέλο. KeywordTreeSet: Δενδρική δομή που καταχωρεί keywords. Η δομή αυτή είναι υλοποιημένη έτσι ώστε όταν διαβάζουμε ένα keyword ελέγχεται εάν έχει ήδη καταχωρηθεί έτσι ώστε να βρεθεί η συχνότητα του. Επιπλέον ελέγχουμε την συχνότητα του για να βρούμε το keyword με την μέγιστη συχνότητα. Γνωρίζοντας την συχνότητα κάθε keyword και το keyword με την μέγιστη συχνότητα μπορούμε να υπολογίσουμε την κανονικοποιημένη συχνότητα του keyword. Document: Βοηθητική κλάση που επεκτείνει την κλάση KeywordTreeSet έτσι ώστε να υλοποιήσει ένα κείμενο. Ένα κείμενο έχει ένα όνομα αρχείου και μια συλλογή από keywords. Ορίζοντας το όνομα αρχείου το Document ανοίγει το αντίστοιχο αρχείο από το σκληρό δίσκο και διαβάζει τα περιεχόμενα του βρίσκοντας έτσι τα keywords του. DocumentTreeSet: Η δομή αυτή είναι η καθολική συλλογή κειμένων (Documents) και αντλεί τα κείμενα τις διαβάζοντας τα περιεχόμενα του κατάλογο documents. Για κάθε αρχείο που υπάρχει στον κατάλογο αυτό δημιουργεί ένα document με όνομα το όνομα του αρχείου. Το Document μετά φροντίζει να αποκτήσει τα keywords του. Επίσης διαθέτει μια συλλογή με όλα τα keywords που υπάρχουν σε όλα τα Documents (και σε πόσα Documents υπάρχουν). Η πληροφορία αυτή μας είναι απαραίτητα για τον υπολογισμό της αντίστροφης συχνότητας ενός keyword η οποία υλοποιείται σε αυτή την κλάση.
3 2. Διαδικασία Αναζήτησης Ο φορέας των αιτημάτων της αναζήτησης είναι η κλάση Query: Η κλάση αυτή είναι ένα KeywordTreeSet το οποίο φροντίζει να βρει τις λέξεις κλειδιά που έδωσε ο χρήστης. Το αίτημα του χρήστη δέχεται την ίδια προεπεξεργασία με αυτή που δέχονται και τα κείμενα. Η κλάση SearchEngine διαθέτει δύο μεθόδους. Η μέθοδος getrelevantdocuments υλοποιεί το Λογικό μοντέλο ενώ η μέθοδος getdocumentrankings το Διανυσματικό. To μοντέλο Boolean υλοποιείται από τη μέθοδο isrelevant του Document. Η διαδικασία ξεκινάει από την getrelevantdocuments και φροντίζει να δώσει το Query σε κάθε κείμενο και να δει εάν το κείμενο είναι σχετικό ή όχι με το Query. Από την θεωρία βρίσκουμε το βαθμό της ομοιότητας ενός κειμένου από τον τύπο : r r r r r 1 αν qcc ( qcc qdnf ) ( ki, gi ( d ) = gi ( q sim d, q) = 0 ( cc Ο τύπος αυτός μας λέει πως αν υπάρχει ένα τμήμα της κανονικής διαζευκτικής μορφής του Query και το τμήμα αυτό ανήκει στην κανονική διαζευκτική μορφή του Query και για κάθε Keyword του συστήματος το βάρος του Keyword στο κείμενο είναι ίσο με το βάρος του Keyword στο Query. Με άλλα λόγια ο βαθμός ομοιότητας είναι 1 όταν τα keywords που δεν υπάρχουν στο κείμενο δεν υπάρχουν στο Query και τα Keywords που υπάρχουν στο Query υπάρχουν και στο κείμενο. Εάν ο βαθμός ομοιότητας είναι 1 το κείμενο είναι σχετικό ενώ εάν είναι 0 το κείμενο δεν είναι σχετικό. Στην εργασία μας για λόγους απλότητας αλλά και ευελιξίας ακολουθήσαμε μια διαφορετική τακτική. Η τακτική αυτή υλοποιείται από τη συνάρτηση evaluate της Query. Συγκεκριμένα δημιουργούμε ένα string που έχει τα keywords του Query καθώς και τους τελεστές που όρισε ο χρήστης. Έπειτα περνάμε αυτό το String από κάθε κείμενο (μέσα από τη συνάρτηση της Document - isrelevant) και αντικαθιστούμε κάθε keyword του Query με το βάρος του στο κείμενο. Το βάρος αυτό είναι μια δυαδική τιμή που είναι 1 αν υπάρχει το keyword στο κείμενο και 0 εάν δεν υπάρχει. Έπειτα στο string αυτό υπολογίζουμε τους δυαδικούς τελεστές με προτεραιότητα στο AND και μετά στο OR. Παράδειγμα : Query: hello world Κείμενο 1: 0 0 ( αποτέλεσμα 0 ) Κείμενο 2: 1 1 ( αποτέλεσμα 1 ) ( το κείμενο 2 έχει βαθμό σχετικότητας 1 ) Κείμενο 3: 0 1 ( αποτέλεσμα 1 ) ( το κείμενο 3 έχει βαθμό σχετικότητας 1 ) Το αποτέλεσμα που βρίσκουμε με την εφαρμογή των τελεστών είναι ο τελικός βαθμός ομοιότητας του κειμένου. Η μεθοδολογία αυτή μας επιτρέπει να έχουμε συνδυασμούς τελεστών μέσα στο Query μας και μπορεί να επεκταθεί έτσι ώστε να χειρίζεται και παρενθέσεις. (η δυνατότητα χειρισμού παρενθέσεων δεν υπάρχει στην εφαρμογή μας αυτή την στιγμή). Είναι ισοδύναμη με τον παραπάνω τύπο γιατί πετυχαίνει το ίδιο αποτέλεσμα δίνοντας σημασία μόνο στα Keywords που υπάρχουν (τα keywords που δεν υπάρχουν μας δίνουν 0 ( το 0 αποτελεί ουδέτερο στοιχείο στην κανονική διαζευκτική μορφή και επομένως μπορεί να παραληφθεί ). ))
4 Το μοντέλο Vector υλοποιείται από την μέθοδο getdocumentrank του DocumentTreeSet. Η μέθοδος αυτή υλοποιεί τον τύπο εύρεσης του βαθμού ομοιότητας του κειμένου με το Query r r d q sim( d, q) = r r = d q Ο τύπος αυτός μας λέει πως για να βρούμε τον βαθμό ομοιότητας ενός κειμένου με ένα Query θα πρέπει για κάθε Keyword του συστήματος να βρούμε το άθροισμα του γινομένου του βάρος του keyword αυτού στο κείμενο με το βάρος του keyword στο query και αυτό να το διαιρέσουμε με το μέτρο του διανύσματος του document επί το μέτρο του διανύσματος του Query. Το μέτρο του διανύσματος του κειμένου υπολογίζεται από το άθροισμα των τετραγώνων των βαρών για κάθε keyword του συστήματος στο κείμενο. Το μέτρο του διανύσματος του Query υπολογίζεται από το άθροισμα των τετραγώνων των βαρών για κάθε keyword του συστήματος στο Query. Για να υπολογίσουμε το βάρος ενός keyword σε ένα κείμενο χρησιμοποιούμε τον τύπο : freq Η f i, w i, = fi, idfi όπου f t i= 1 l t i= 1 w w 2 l, w q t i= 1 w = και idf max freq 2 q i = log ονομάζεται κανονικοποιημένη συχνότητα και υπολογίζεται από το πηλίκο της συχνότητας του keyword στο κείμενο με την μέγιστη συχνότητα (την συχνότητα της λέξης που εμφανίζεται περισσότερες φορές στο κείμενο). Ο λόγος που χρησιμοποιούμε αυτό τον τύπο είναι για να εξαλείψουμε την ανομοιογένεια που δημιουργείται μεταξύ ενός μεγάλου και ενός μικρού κειμένου. Ένα μεγάλο κείμενο μπορεί να έχει μια keyword που εμφανίζεται 10 φορές όμως ένα μικρό δεν έχει. Αν χρησιμοποιήσουμε την ωμή συχνότητα βλέπουμε πως η λέξη αυτή είναι σημαντική στο πρώτο κείμενο όμως αυτό είναι λάθος γιατί η λέξη μπορεί να είναι εξίσου σημαντική και στο μικρό κείμενο. λέξη συχνότητα freq συχνότητα της ποιο συχνής keyword max l freq l, κανονικοποιημένη συχνότητα f Spell the game Από τον πίνακα βλέπουμε πως οι λέξεις που εμφανίζονται σπάνια έχουν μικρή κανονικοποιημένη συχνότητα ενώ αυτές που εμφανίζονται συχνά έχουν μεγάλη. Ο υπολογισμός της κανονικοποιημένης συχνότητας υλοποιείται από τη συνάρτηση getnormalizedfrequency() του KeywordTreeSet. Θυμίζουμε πως το Document είναι KeywordTreeSet όπως και το Query επομένως έχουμε τη δυνατότητα (μέσω υπέρβασης της συνάρτησης κατά την κληρονομικότητα) να υπολογίσουμε τη κανονικοποιημένη συχνότητα τόσο για ένα keyword του Document όσο και για ένα keyword του Query. idf To ονομάζεται αντίστροφη συχνότητα και ο στόχος του είναι να δείξει πόσο σημαντικό είναι το keyword σε ολόκληρη τη συλλογή κειμένων. Για να το βρούμε αυτό υπολογίζουμε το πηλίκο του πλήθους των κειμένων με το αριθμό των κείμενων στο οποίο εμφανίζεται η λέξη. Η πληροφορία αυτή βρίσκεται στο globalkeywordtreeset του DocumentTreeSet. λέξη πλήθος κειμένων N Πλήθος κειμένων στα οποία εμφανίζεται η N/Ni Log(N/Ni) λέξη ni Spell ,6 the game ,33 0,12 Ο λόγος που χρησιμοποιούμε τον λογάριθμο είναι για να μηδενίσουμε το βάρος του keyword που εμφανίζεται σε όλα τα κείμενα. Το βάρος μιας keyword σε ένα κείμενο υπολογίζεται από την μέθοδο gettermweight του Document. N n i
5 Για τον υπολογισμό του βάρους μιας keyword στο Query χρησιμοποιούμε τον τύπο που προτάθηκε από τους Buckley και Salton 0.5 freq q N wi, q = log. maxl freq l, q ni Ο τύπος αυτός μας λέει πως για να υπολογίσουμε το βάρος ενός keyword στο Query χρειάζεται να βρούμε την κανονικοποιημένη συχνότητα του keyword στο Query (με τον ίδιο τρόπο που το βρίσκουμε και στο κείμενο η μέθοδος υλοποιείται στο KeywordTreeSet που είναι η κλάση από την οποία κληρονομεί το Query) και να το πολλαπλασιάσουμε με την αντίστροφη συχνότητα του Keyword η οποία βρίσκεται από τη συλλογή των κειμένων. Επειδή η τιμή αυτή είναι μικρή προσθέτουμε το 0.5. Η μέθοδος αυτή υλοποιείται από την gettermweight της Query. 3. Διεπαφή Χρήστη Η διεπαφή χρήστη αποτελείται από δύο μέρη. Το SearchPanel και το ResultPanel. Το SearchPanel είναι το επάνω μέρος της εφαρμογής και φροντίζει να τροφοδοτήσει το Query με το αίτημα του χρήστη ελέγχοντας πρώτα εάν το αίτημα του είναι ορθό. Ο τελεστής AND συμβολίζεται με το + ενώ ο τελεστής OR με το. Ένα αίτημα αναζήτησης είναι ορθό όταν υπάρχουν keywords η μια μετά την άλλη χωρίς κανένα τελεστή ( το σύστημα θεωρεί πως χρησιμοποιείται ο τελεστής OR ) ή σε περίπτωση που οριστεί τελεστής αυτός θα πρέπει να υπάρχει σε κάθε λέξη από το δεύτερο κείμενο και μετά δηλαδή : control function (<=> control function) control +function +control +function ( ΛΑΘΟΣ ) (το ΣΩΣΤΟ είναι control +function) control +function something ( ΛΑΘΟΣ ) (το ΣΩΣΤΟ είναι control +function (+ ή )function Το ResultPanel είναι το κάτω μέρος της οθόνης και αποτελείται από δύο πίνακες όπου ο αριστερός περιέχει τα αποτελέσματα της αναζήτησης με το λογικό μοντέλο και ο δεξής τα αποτελέσματα αναζήτησης με το διανυσματικό μοντέλο καθώς και τις βαθμολογίες τους.
6 Επιπλέον κάνοντας διπλό-κλικ πάνω σε κάποια γραμμή του πίνακα αποτελεσμάτων εμφανίζεται ένα παράθυρο που δείχνει τα keywords που βρεθήκανε για κάθε κείμενο, την συχνότητα τους, την κανονικοποιημένη συχνότητα την αντίστροφη συχνότητα, και το βάρος του keyword στο συγκεκριμένο κείμενο. Στον κατάλογο Application υπάρχουν τρία shortcut για να εκτελεστεί η εφαρμογή. Το Plain εκτελεί την εφαρμογή με τις παραμέτρους που ορίζονται από το βιβλίο (Modern Information Retrieval). Το Extra εκτελεί την εφαρμογή χρησιμοποιώντας για τον υπολογισμό του Query τον τύπο freq q N wi, q = log (χωρίς το 0.5) max l freql, q ni Το Alternate εκτελεί την εφαρμογή αντιπαραθέτοντας κάθε keyword του query μέσα στη συνάρτηση ομοιότητας και όχι με κάθε keyword του συστήματος.
7 Ποιοτική σύγκριση Boolean Vector Model Έστω ότι εκτελούμε την αναζήτηση με τις λέξεις mutant +nucleotide +auxotrophy (mutant AND nucleotide AND auxotrophy). Το αποτέλεσμα της αναζήτησης φαίνεται στο screen shot που ακολουθεί. Από την εικόνα βλέπουμε την αδυναμία του λογικού μοντέλου να κάνει μερική ταύτιση. Το κείμενο που επέστρεψε περιέχει και τους τρεις όρους που βάλαμε στην αναζήτηση. Αυτό είναι ένα γνωστό μειονέκτημα του λογικού μοντέλου και είναι η περίπτωση που επιστρέφει πολύ λίγα κείμενα. Αλλάζοντας τον τελεστή σε OR (mutant OR nucleotide OR auxotrophy) βλέπουμε πως το λογικό μοντέλο κάνει μερική ταύτιση με συνέπεια να επιστρέφει πάρα πολλά κείμενα. Από τα παραπάνω βλέπουμε πως η αποτελεσματικότητα του λογικού μοντέλου εξαρτάται πλήρως από την σύνταξη του Query που γράφει ο χρήστης. Δυστυχώς ο μέσος χρήστης δυσκολεύεται να συντάξει εύκολα ένα λογικό Query με αποτέλεσμα να ταλαντεύεται μεταξύ των πάρα πολλών και των πολύ
8 λίγων αποτελεσμάτων που επιστρέφει το λογικό μοντέλο. Σε ακραίες περιπτώσεις ίσως να χρειαστεί να κάνει δύο αναζητήσεις με παρόμοια κριτήρια και μετά να ενοποιήσει τα σύνολα των αποτελεσμάτων στο μυαλό του για να καταλήξει στο τελικό συμπέρασμα. Επομένως η απλότητα της υλοποίησης ενός συστήματος αναζήτησης (που είναι το σημαντικότερο πλεονέκτημα του μοντέλου) με το λογικό μοντέλο αντισταθμίζεται από την πολυπλοκότητα της διεπαφής χρήστη για την συγγραφή των Query. Το κυριότερο του μειονέκτημα είναι πως οι βαθμοί ομοιότητας είναι 1 ή 0 με αποτέλεσμα στην περίπτωση που μας επιστραφούνε περισσότερα από ένα κείμενα να μην ξέρουμε ποιο κείμενο είναι ποιο σημαντικό (δίνει μεγαλύτερη σημασία στα κριτήρια αναζήτησης μας). Το διανυσματικό μοντέλο αγνοεί τους τελεστές και όπως φαίνεται από τα αποτελέσματα επιστρέφει ακριβώς τα ίδια κείμενα με τις ίδιες βαθμολογίες και για τα δύο Query. Έστω ότι κάνουμε μια αναζήτηση με μια μόνο λέξη, την λέξη auxotrophy. Το λογικό μοντέλο μας επιστρέφει μόνο ένα κείμενο ενώ το διανυσματικό μας επιστρέφει όλα τα κείμενα του συστήματος με τις βαθμολογίες τους και συγκεκριμένα δίνει την 18 η θέση στο κείμενο που μας επέστρεψε το λογικό μοντέλο. Ανοίγοντας τα κείμενα που βρίσκονται σε υψηλότερες θέσεις παρατηρούμε πως δεν διαθέτουνε την λέξη κλειδί που αναζητήσαμε και προφανώς η βαθμός τους είναι λάθος. Το πρόβλημα αυτό έγκειται στον τύπο 0.5 freq q N wi, q = log maxl freq l, q ni και συγκεκριμένα στον παράγοντα 0.5. Παρατηρούμε πως αν δώσουμε σε αυτό τον τύπο ένα keyword που δεν υπάρχει στο Query αλλά υπάρχει στα Keywords του συστήματος το αποτέλεσμα ισούται με 0.5 επί την αντίστροφη συχνότητα του Keyword. Αυτό προσθέτει ένα βάρος στο διάνυσμα του Query το οποίο δεν θα έπρεπε να υπάρχει εφόσον η λέξη κλειδί απουσιάζει. Περνώντας έτσι κάθε λέξη έχουμε ένα σχετικά μεγάλο σε τιμή Query το οποίο αλλοιώνει τα αποτελέσματα μας. Μια λύση στο πρόβλημα αυτό είναι να παραλείψουμε το 0.5. Εκτελώντας το πρόγραμμα στην έκδοση Extra έχουμε ένα ικανοποιητικό αποτέλεσμα. Συνεχίζοντας τις δοκιμές μας με το Extra μπορούμε πλέον να παρατηρήσουμε καθαρά τα πλεονεκτήματα του διανυσματικού μοντέλου έναντι στο λογικό. Τοποθετώντας στο Query τις λέξεις auxotrophy muntant control παίρνουμε την παρακάτω Screen Shoot.
9 Παρατηρούμε πως τα αποτελέσματα είναι ίδια στο πλήθος (διότι από το λογικό μοντέλο χρησιμοποιήθηκε ο τελεστής OR) όμως αλλάζει η σειρά. Παρατηρούμε πως το πρώτο κείμενο είναι αυτό που έχει και τις τρεις λέξεις. Τα επόμενα κείμενα αξιολογούνται ανάλογο με την σημαντικότητα των υπολοίπων λέξεων. Από τις παρατηρήσεις μας εξάγουμε τον παρακάτω πίνακα για τα βάρη στο κείμενο. Θυμίζουμε πως υψηλή κανονικοποιημένη συχνότητα σημαίνει πως η λέξη είναι σημαντική για το κείμενο ( η λέξη με την μεγαλύτερη συχνότητα έχει κανονικοποιημένη συχνότητα 1 ). Όσο μεγαλύτερη είναι η αντίστροφη συχνότητα τόσο ποιο σημαντική είναι η λέξη για την συλλογή των κειμένων (όμως μια λέξη που εμφανίζεται σε όλα τα κείμενα έχει αντίστροφη συχνότητα 0). Κανονικοποιημένη Aντίστροφη Βάρος στο Κείμενο Συχνότητα Συχνότητα Υψηλή Υψηλή Πολύ Υψηλό Χαμηλή Υψηλή Μέτριο Υψηλή Χαμηλή Πολύ Χαμηλό Μέσα από τη βαθμολόγηση αυτή βλέπουμε πως το κείμενο που καταλαμβάνει τη δεύτερη θέση δίνει κάποια αξία στα συγκεκριμένα keywords (μεγαλύτερη από αυτή που δίνουνε τα υποδεέστερα κείμενα) επομένως ο χρήστης αξίζει να το δει το κείμενο γιατί μπορεί να είναι πραγματικά αυτό που ψάχνει. Πέρα από την βαθμολόγηση που διευκολύνει τον χρήστη στο να βρει το κείμενο που θεωρεί ποιο σημαντικό το διανυσματικό μοντέλο επιτρέπει από την φύση του την μερική ταύτιση χωρίς να ασχοληθεί ο χρήστης με την σύνταξη του Query. Μια ακόμα δυνατότητα του διανυσματικού μοντέλου είναι η αλλαγή των αποτελεσμάτων όταν βάζουμε μια λέξη περισσότερες από μία φορές.
10 Αυτό έχει σαν αποτέλεσμα να αυξηθεί το βάρος που έχει μια λέξη στο Query και να τροποποιηθεί η τελική διάταξη των αποτελεσμάτων. Συγκρίνοντας τα δύο προηγούμενα αποτελέσματα βλέπουμε πως αλλάζει η θέση των κειμένων 4 και 5 και να έρχεται πρώτο το κείμενο Control of dinucleoside το οποίο στην προηγούμενη αναζήτηση έλαβε την 5 η θέση διότι το Keyword mutant είναι ποίο σημαντικό για το κείμενο Aggregation and retention από ότι στο κείμενο Control of dinucleoside Εναλλακτική προσέγγιση του Vector Model Τέλος παρουσιάζουμε μια εναλλακτική προσέγγιση του Vector Model που μας δίνει ενδιαφέροντα αποτελέσματα. Συγκεκριμένα εκτελώντας το πρόγραμμα Alternate η εφαρμογή εκτελείται όχι για κάθε keyword στο σύστημα αλλά για κάθε keyword στο Query. Αυτό έχει ως αποτέλεσμα να αυξάνεται εντυπωσιακά η ταχύτητα του σε βάρος της ποιότητας της βαθμολόγησης. Βλέπουμε πως ζητώντας μία λέξη οι βαθμολογίες που δίνει αγγίζουνε το 100% δηλαδή μας λέει πως οπωσδήποτε υπάρχει η λέξη αυτή μέσα στο κείμενο και είναι σημαντική για το κείμενο αυτό. Παρόλα αυτά εάν αντιπαραθέσουμε την μέθοδο αυτή με την Extra βλέπουμε πως η διάταξη είναι λανθασμένη και πως το κείμενο που έλαβε την 1 η θέση (Mutations in the Lactococc..) στο οποίο η λέξη mutant είναι πραγματικά σημαντική με βάρος (0.056) στο Alternate να λαμβάνει την ίδια θέση με άλλα κείμενα στα οποία η λέξη δεν είναι εξίσου σημαντική (έχουμε μικρότερο βάρος στο κείμενο). Ένα άλλο χαρακτηριστικό αυτής της μεθόδου είναι ότι χρησιμοποιώντας τον τύπο του Buckley και Salton για το Query Term Weight 0.5 freq q N wi, q = log maxl freq l, q ni καταφέρνει και επιστρέφει κείμενα που όντως περιέχουν τη λέξη-κλειδί δηλαδή δεν παρουσιάζει το μειονέκτημα με το fudge-factor 0.5 που παρουσιάζει το αρχικό μας μοντέλο (η μορφή που περιγράφεται στο βιβλίο).
11 Εικόνα 1 - Alternate Εικόνα 2 - Extra Κείμενα Στα πλαίσια της εργασία μας το σύνολο κείμενων αποτελείται από άρθρα του χώρου της μοριακής βιολογίας που αποκτήθηκαν από το δικτυακό χώρο και βρίσκονται στον κατάλογο documents A bovine papillomavirus-1 based vector restores the function of the low-density lipoprotein receptor in.txt A comparison of efficacy and toxicity between electroporation and adenoviral gene transfer.txt A protein knockdown strategy to study the function of β-catenin in tumorigenesis.txt Accumulation of large non-circular forms of the chromosome in recombination-defective mutants of Escheri.txt Aggregation and retention of human urokinase type plasminogen activator in the yeast endoplasmic reticul.txt Binding of the baculovirus very late expression factor 1 (VLF-1) to different DNA structures.txt Control of dinucleoside polyphosphates by the FHIT-homologous HNT2 gene, adenine biosynthesis and heat s.txt Fragile X.txt Functional interaction between RNase III and the Escherichia coli ribosome.txt Genetic heterogeneity in response to adenovirus gene therapy.txt Interactions within the mammalian DNA methyltransferase family.txt Lambda Red-mediated recombinogenic engineering of.txt Loss of cellular adhesion to matrix induces p53.txt Mutations in the Lactococcus lactis Ll.LtrB group II intron that retain mobility in vivo.txt Natural antisense RNA inhibits the expression of BCMA, a tumour necrosis factor receptor homologue.txt Phage annealing proteins promote oligonucleotide-directed mutagenesis in Escherichia coli and mouse ES c.txt Screening for sequence-specific RNA-BPs by comprehensive UV crosslinking.txt The kinase MSK1 is required for induction of c-fos by.txt The p53-inhibitor Pifithrin-α inhibits Firefly Luciferase activity in vivo and in vitro.txt USF2.txt Viable nonsense mutants for the essential gene SUP45 of Saccharomyces cerevisiae.txt
Ανάκτηση Πληροφορίας
Ανάκτηση Πληροφορίας Το μοντέλο Boolean Το μοντέλο Vector Ταξινόμηση Μοντέλων IR Ανάκτηση Περιήγηση Κλασικά Μοντέλα Boolean Vector Probabilistic Δομικά Μοντέλα Non-Overlapping Lists Proximal Nodes Browsing
Διαβάστε περισσότεραΑνάκτηση Πληροφορίας
Το Πιθανοκρατικό Μοντέλο Κλασικά Μοντέλα Ανάκτησης Τρία είναι τα, λεγόμενα, κλασικά μοντέλα ανάκτησης: Λογικό (Boolean) που βασίζεται στη Θεωρία Συνόλων Διανυσματικό (Vector) που βασίζεται στη Γραμμική
Διαβάστε περισσότεραΘέμα : Retrieval Models. Ημερομηνία : 9 Μαρτίου 2006
ΗΥ-464: Συστήματα Ανάκτησης Πληροφορίας Informaton Retreval Systems Πανεπιστήμιο Κρήτης Άνοιξη 2006 Φροντιστήριο 2 Θέμα : Retreval Models Ημερομηνία : 9 Μαρτίου 2006 Outlne Prevous Semester Exercses Set
Διαβάστε περισσότεραΑνάκτηση Πληροφορίας
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Ανάκτηση Πληροφορίας Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #06 Πιθανοτικό Μοντέλο 1 Άδεια χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΠανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών HY463 - Συστήματα Ανάκτησης Πληροφοριών Εαρινό Εξάμηνο. Φροντιστήριο 3.
Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών HY6 - Συστήματα Ανάκτησης Πληροφοριών 007 008 Εαρινό Εξάμηνο Φροντιστήριο Retrieval Models Άσκηση Θεωρείστε μια συλλογή κειμένων που περιέχει τα ακόλουθα
Διαβάστε περισσότεραΔιαχείριση εγγράφων. Αποθήκες και Εξόρυξη Δεδομένων Διδάσκων: Μ. Χαλκίδη
Διαχείριση εγγράφων Αποθήκες και Εξόρυξη Δεδομένων Διδάσκων: Μ. Χαλκίδη Απεικόνιση κειμένων για Information Retrieval Δεδομένου ενός κειμένου αναζητούμε μια μεθοδολογία απεικόνισης του γραμματικού χώρου
Διαβάστε περισσότεραΠροτεινόμενες 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 περισσότεραΑΣΚΗΣΗ. Δημιουργία Ευρετηρίων Συλλογής Κειμένων
Γλωσσική Τεχνολογία Ακαδημαϊκό Έτος 2011-2012 Ημερομηνία Παράδοσης: Στην εξέταση του μαθήματος ΑΣΚΗΣΗ Δημιουργία Ευρετηρίων Συλλογής Κειμένων Σκοπός της άσκησης είναι η υλοποίηση ενός συστήματος επεξεργασίας
Διαβάστε περισσότεραΛΥΣΕΙΣ 2 ης ΣΕΙΡΑΣ ΑΣΚΗΣΕΩΝ
ΛΥΣΕΙΣ 2 ης ΣΕΙΡΑΣ ΑΣΚΗΣΕΩΝ Άσκηση 1 Θεωρείστε μια συλλογή κειμένων που περιέχει τα ακόλουθα 5 έγγραφα: Έγγραφο 1: «Computer Games» Έγγραφο 2: «Computer Games Computer Games» Έγγραφο 3: «Games Theory and
Διαβάστε περισσότεραΓ2.1 Στοιχεία Αρχιτεκτονικής. Γ Λυκείου Κατεύθυνσης
Γ2.1 Στοιχεία Αρχιτεκτονικής Γ Λυκείου Κατεύθυνσης Ορισμός άλγεβρας Boole Η άλγεβρα Boole ορίζεται, ως μία αλγεβρική δομή A, όπου: (α) Το Α είναι ένα σύνολο στοιχείων που περιέχει δύο τουλάχιστον στοιχεία
Διαβάστε περισσότεραΠληροφορική 2. Αλγόριθμοι
Πληροφορική 2 Αλγόριθμοι 1 2 Τι είναι αλγόριθμος; Αλγόριθμος είναι ένα διατεταγμένο σύνολο από σαφή βήματα το οποίο παράγει κάποιο αποτέλεσμα και τερματίζεται σε πεπερασμένο χρόνο. Ο αλγόριθμος δέχεται
Διαβάστε περισσότεραΑνάκτηση Πληροφορίας
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 5: Μοντελοποίηση: Πιθανοκρατικό Μοντέλο Απόστολος Παπαδόπουλος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΤυπικές χρήσεις της Matlab
Matlab Μάθημα 1 Τι είναι η Matlab Ολοκληρωμένο Περιβάλλον Περιβάλλον ανάπτυξης Διερμηνευμένη γλώσσα Υψηλή επίδοση Ευρύτητα εφαρμογών Ευκολία διατύπωσης Cross platform (Wintel, Unix, Mac) Τυπικές χρήσεις
Διαβάστε περισσότεραΔυναμικές Ιστοσελίδες Εισαγωγή στην Javascript για προγραμματισμό στην πλευρά του client
ΕΣΔ 516 Τεχνολογίες Διαδικτύου Δυναμικές Ιστοσελίδες Εισαγωγή στην Javascript για προγραμματισμό στην πλευρά του client Περιεχόμενα Περιεχόμενα Javascript και HTML Βασική σύνταξη Μεταβλητές Τελεστές Συναρτήσεις
Διαβάστε περισσότεραΠαραδείγματα (2) Διανυσματικοί Χώροι
Παραδείγματα () Διανυσματικοί Χώροι Παράδειγμα 7 Ελέγξτε αν τα ακόλουθα σύνολα διανυσμάτων είναι γραμμικά ανεξάρτητα ή όχι: α) v=(,4,6), v=(,,), v=(7,,) b) v=(,4), v=(,), v=(4,) ) v=(,,), v=(5,,), v=(5,,)
Διαβάστε περισσότεραΕισαγωγή στον Προγραμματισμό
Εισαγωγή στον Προγραμματισμό Πίνακες Δημήτρης Μιχαήλ Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ακ. Έτος 2012-2013 Πίνακες Πολλές φορές θέλουμε να κρατήσουμε στην μνήμη πολλά αντικείμενα
Διαβάστε περισσότεραΠρόσθεση, αφαίρεση και πολλαπλασιασμός φυσικών αριθμών
Πρόσθεση, αφαίρεση και πολλαπλασιασμός φυσικών αριθμών TINΑ ΒΡΕΝΤΖΟΥ www.ma8eno.gr www.ma8eno.gr Σελίδα 1 Πρόσθεση, αφαίρεση και πολλαπλασιασμός φυσικών αριθμών Στους πραγματικούς αριθμούς ορίστηκαν οι
Διαβάστε περισσότεραΔημιουργία Ευρετηρίων Συλλογής Κειμένων
Γλωσσική Τεχνολογία Ακαδημαϊκό Έτος 2011-2012 - Project Σεπτεμβρίου Ημερομηνία Παράδοσης: Στην εξέταση του μαθήματος Εξέταση: Προφορική, στο τέλος της εξεταστικής. Θα βγει ανακοίνωση στο forum. Ομάδες
Διαβάστε περισσότεραΑνάκτηση πληροφορίας
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ανάκτηση πληροφορίας Ενότητα 6: Ο Αντεστραμμένος Κατάλογος Απόστολος Παπαδόπουλος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΕπιμέλεια: Σπυρίδων Τζινιέρης-ΘΕΩΡΙΑ ΚΛΑΣΜΑΤΩΝ ΓΙΑ ΤΗΝ Α ΓΥΜΝΑΣΙΟΥ ΘΕΩΡΙΑ ΚΛΑΣΜΑΤΩΝ Α ΓΥΜΝΑΣΙΟΥ
Τι είναι κλάσμα; Κλάσμα είναι ένα μέρος μιας ποσότητας. ΘΕΩΡΙΑ ΚΛΑΣΜΑΤΩΝ Α ΓΥΜΝΑΣΙΟΥ Κλάσμα είναι ένας λόγος δύο αριθμών(fraction is a ratio of two whole numbers) Πως εκφράζετε συμβολικά ένα κλάσμα; Εκφράζετε
Διαβάστε περισσότεραΑνάκτηση πληροφορίας
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ανάκτηση πληροφορίας Ενότητα 3: Μοντελοποίηση: Boolean μοντέλο Απόστολος Παπαδόπουλος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΛογικός τύπος Τελεστές σύγκρισης Λογικοί τελεστές Εντολές επιλογής Εμβέλεια Μαθηματικές συναρτήσεις Μιγαδικός τύπος ΔΕΥΤΕΡΗ ΔΙΑΛΕΞΗ
ΔΕΥΤΕΡΗ ΔΙΑΛΕΞΗ Λογικός τύπος ( ) Ο τύπος είναι κατάλληλoς για την αναπαράσταση ποσοτήτων που μπορούν να πάρουν δύο μόνο τιμές (π.χ. ναι/όχι, αληθές/ψευδές, ). Τιμές ή Δήλωση Εκχώρηση Ισοδυναμία με ακέραιους
Διαβάστε περισσότεραΚατακερματισμός (Hashing)
Κατακερματισμός (Hashing) O κατακερματισμός είναι μια τεχνική οργάνωσης ενός αρχείου. Είναι αρκετά δημοφιλής μέθοδος για την οργάνωση αρχείων Βάσεων Δεδομένων, καθώς βοηθάει σημαντικά στην γρήγορη αναζήτηση
Διαβάστε περισσότεραΑνάκτηση 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 περισσότερα2ο ΓΕΛ ΑΓ.ΔΗΜΗΤΡΙΟΥ ΑΕΠΠ ΘΕΟΔΟΣΙΟΥ ΔΙΟΝ ΠΡΟΣΟΧΗ ΣΤΑ ΠΑΡΑΚΑΤΩ
ΠΡΟΣΟΧΗ ΣΤΑ ΠΑΡΑΚΑΤΩ ΣΤΑΘΕΡΕΣ είναι τα μεγέθη που δεν μεταβάλλονται κατά την εκτέλεση ενός αλγόριθμου. Εκτός από τις αριθμητικές σταθερές (7, 4, 3.5, 100 κλπ), τις λογικές σταθερές (αληθής και ψευδής)
Διαβάστε περισσότεραΕισαγωγή στο GNU Octave/MATLAB
Εισαγωγή στο GNU Octave/MATLAB Δρ. Βασίλειος Δαλάκας Καλώς ήρθατε στο εργαστήριο Σημάτων και Συστημάτων με το λογισμικό Octave (Οκτάβα). Οι σημειώσεις αυτές έχουν βασιστεί στις σημειώσεις του εργαστηρίου
Διαβάστε περισσότεραΕισαγωγή στην PHP. ΕΣΔ 516 Τεχνολογίες Διαδικτύου. Περιεχόμενα. Περιεχόμενα. ΕΣ 516: Τεχνολογίες ιαδικτύου. ΕΣ 516: Τεχνολογίες ιαδικτύου
ΕΣΔ 516 Τεχνολογίες Διαδικτύου Εισαγωγή στην PHP Περιεχόμενα Περιεχόμενα PHP και HTML Βασική σύνταξη Μεταβλητές Τελεστές Συναρτήσεις Παράδειγματα 1 Βιβλιογραφία Ενότητας Βιβλιογραφία [Lane 2004]: Chapter
Διαβάστε περισσότερα3.1 Αριθμητικοί και Λογικοί Τελεστές, Μετατροπές Τύπου (Casting)
Εργαστήριο 3: 3.1 Αριθμητικοί και Λογικοί Τελεστές, Μετατροπές Τύπου (Casting) Η C++, όπως όλες οι γλώσσες προγραμματισμού, χρησιμοποιεί τελεστές για να εκτελέσει τις αριθμητικές και λογικές λειτουργίες.
Διαβάστε περισσότεραΓ ΓΥΜΝΑΣΙΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΜΕ ΤΗ ΓΛΩΣΣΑ MicroWorlds Pro
Για να μπορέσουμε να εισάγουμε δεδομένα από το πληκτρολόγιο αλλά και για να εξάγουμε εμφανίσουμε αποτελέσματα στην οθόνη του υπολογιστή χρησιμοποιούμε τις εντολές Εισόδου και Εξόδου αντίστοιχα. Σύνταξη
Διαβάστε περισσότεραΑνάκτηση Πληροφορίας
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Ανάκτηση Πληροφορίας Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #05 Ακρίβεια vs. Ανάκληση Extended Boolean Μοντέλο Fuzzy Μοντέλο 1 Άδεια χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΑΝΑΛΗΠΤΙΚΟ ΔΙΑΓΩΝΙΣΜΑ ΣΧΟΛΙΚΟΥ ΕΤΟΥΣ
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΑΝΑΛΗΠΤΙΚΟ ΔΙΑΓΩΝΙΣΜΑ ΣΧΟΛΙΚΟΥ ΕΤΟΥΣ 2015-2016 Θέμα Α Α1. Να γράψετε στο τετράδιό σας τον αριθμό καθεμιάς από τις προτάσεις 1-4 και δίπλα τη λέξη ΣΩΣΤΟ,
Διαβάστε περισσότεραΑνάκτηση Πληροφορίας
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 9: Ανάδραση Σχετικότητας (Relevance Feedback ή RF) Απόστολος Παπαδόπουλος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΕισαγωγή στην C. Μορφή Προγράµµατος σε γλώσσα C
Εισαγωγή στην C Μορφή Προγράµµατος σε γλώσσα C Τµήµα Α Με την εντολή include συµπεριλαµβάνω στο πρόγραµµα τα πρότυπα των συναρτήσεων εισόδου/εξόδου της C.Το αρχείο κεφαλίδας stdio.h είναι ένας κατάλογος
Διαβάστε περισσότεραΠαραδείγματα Διανυσματικοί Χώροι Ι. Λυχναρόπουλος
Παραδείγματα Διανυσματικοί Χώροι Ι. Λυχναρόπουλος Παράδειγμα Έστω το σύνολο V το σύνολο όλων των θετικών πραγματικών αριθμών εφοδιασμένο με την ακόλουθη πράξη της πρόσθεσης: y y με, y V και του πολλαπλασιασμού
Διαβάστε περισσότεραΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ. Μάθημα 7 ο : Ανάκτηση πληροφορίας. Γεώργιος Πετάσης. Ακαδημαϊκό Έτος:
ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ Μάθημα 7 ο : Ανάκτηση πληροφορίας Γεώργιος Πετάσης Ακαδημαϊκό Έτος: 2012 2013 ΤMHMA MHXANIKΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ, Πανεπιστήμιο Πατρών, 2012 2013 Οι διαφάνειες αυτού του μαθήματος βασίζονται
Διαβάστε περισσότεραΑκρότατα πίνακα, χωρίς min, max, μόνο με pos
Ακρότατα πίνακα, χωρίς min, max, μόνο με pos Θέμα εξετάσεων / 2010 Θέμα εξετάσεων / 2011 Θέμα εξετάσεων / 2013 Θέμα εξετάσεων / 2014 Θέμα εξετάσεων / 2014 ΟΜΟΣΠΟΝΔΙΑ ΕΚΠΑΙΔΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑΔΟΣ (Ο.Ε.Φ.Ε.)
Διαβάστε περισσότεραΣυνέλιξη Κρουστική απόκριση
Συνέλιξη Κρουστική απόκριση Το εργαστήριο αυτό ασχολείται με τα «διασημότερα συστήματα στην επεξεργασία σήματος. Αυτά δεν είναι παρά τα γραμμικά χρονικά αμετάβλητα (ΓΧΑ) συστήματα. Ένα τέτοιο σύστημα μπορεί
Διαβάστε περισσότεραΕισαγωγή στην επιστήμη των υπολογιστών. Λογισμικό Υπολογιστών Κεφάλαιο 8ο Αλγόριθμοι
Εισαγωγή στην επιστήμη των υπολογιστών Λογισμικό Υπολογιστών Κεφάλαιο 8ο Αλγόριθμοι 1 Έννοια Ανεπίσημα, ένας αλγόριθμος είναι μια βήμα προς βήμα μέθοδος για την επίλυση ενός προβλήματος ή την διεκπεραίωση
Διαβάστε περισσότεραΑναφορά (1/2) Μπορούμε να ορίσουμε μια άλλη, ισοδύναμη αλλά ίσως πιο σύντομη, ονομασία για ποσότητα (μεταβλητή, σταθερή, συνάρτηση, κλπ.
ΤΡΙΤΗ ΔΙΑΛΕΞΗ Αναφορά (1/2) Μπορούμε να ορίσουμε μια άλλη, ισοδύναμη αλλά ίσως πιο σύντομη, ονομασία για ποσότητα (μεταβλητή, σταθερή, συνάρτηση, κλπ.): Σύνταξη τύπος όνομαα; τύπος όνομαβ{όνομαα}; όνομαβ
Διαβάστε περισσότεραΤΡΙΩΡΗ ΓΡΑΠΤΗ ΔΟΚΙΜΑΣΙΑ
ΤΡΙΩΡΗ ΓΡΑΠΤΗ ΔΟΚΙΜΑΣΙΑ ΜΑΘΗΜΑ : ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΘΕΜΑ 1 ο Α. Δίνεται η εντολή εκχώρησης: τ κ < λ Ποιες από τις παρακάτω προτάσεις είναι σωστές και ποιες λάθος. Να δικαιολογήσετε
Διαβάστε περισσότεραΒιοπληροφορική. Ενότητα 9: Αναζήτηση Ομοιοτήτων σε ΒΔ Ακολουθιών - Στατιστική Σημαντικότητα, 1 ΔΩ. Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ.
Βιοπληροφορική Ενότητα 9: Αναζήτηση Ομοιοτήτων σε ΒΔ Ακολουθιών - Στατιστική Σημαντικότητα, 1 ΔΩ Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου Μαθησιακοί Στόχοι Παρουσίαση των εφαρμογών της αναζήτησης
Διαβάστε περισσότεραΚεφάλαιο 4. Λογική Σχεδίαση
Κεφάλαιο 4 Λογική Σχεδίαση 4.1 Εισαγωγή Λογικές συναρτήσεις ονομάζουμε εκείνες για τις οποίες μπορούμε να αποφασίσουμε αν είναι αληθείς ή όχι. Χειριζόμαστε τις λογικές προτάσεις στην συγγραφή λογισμικού
Διαβάστε περισσότεραΑνάκτηση 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 περισσότεραΠατώντας την επιλογή αυτή, ανοίγει ένα παράθυρο που έχει την ίδια μορφή με αυτό που εμφανίζεται όταν δημιουργούμε μία μεταβλητή.
Λίστες Τι είναι οι λίστες; Πολλές φορές στην καθημερινή μας ζωή, χωρίς να το συνειδητοποιούμε, χρησιμοποιούμε λίστες. Τέτοια παραδείγματα είναι η λίστα του super market η οποία είναι ένας κατάλογος αντικειμένων
Διαβάστε περισσότεραΦΥΣΙΚΗ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Α ΛΥΚΕΙΟΥ
ΦΥΣΙΚΗ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ Α ΛΥΚΕΙΟΥ Ευθύγραμμη Ομαλή Κίνηση Επιμέλεια: ΑΓΚΑΝΑΚΗΣ.ΠΑΝΑΓΙΩΤΗΣ, Φυσικός https://physicscorses.wordpress.com/ Βασικές Έννοιες Ένα σώμα καθώς κινείται περνάει από διάφορα σημεία.
Διαβάστε περισσότερα2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΙΜΕΛΕΙΑ: ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ 2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΔΟΜΗ ΕΠΑΝΑΛΗΨΗΣ 1) Πότε χρησιμοποιείται η δομή επανάληψης
Διαβάστε περισσότεραΠαραδείγματα (1 ο σετ) Διανυσματικοί Χώροι
Παραδείγματα ( ο σετ) Διανυσματικοί Χώροι Παράδειγμα Έστω το σύνολο V το σύνολο όλων των θετικών πραγματικών αριθμών εφοδιασμένο με την ακόλουθη πράξη της πρόσθεσης: y y με y, V και του πολλαπλασιασμού:
Διαβάστε περισσότεραΑλγόριθμοι και Δομές Δεδομένων (IΙ) (γράφοι και δένδρα)
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Εισαγωγή στην Επιστήμη των Υπολογιστών 2016-17 Αλγόριθμοι και Δομές Δεδομένων (IΙ) (γράφοι και δένδρα) http://mixstef.github.io/courses/csintro/ Μ.Στεφανιδάκης Αφηρημένες
Διαβάστε περισσότεραΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΩΝ & Δ ΤΑΞΗΣ ΕΣΠΕΡΙΝΩΝ ΥΠΟΛΕΙΠΟΜΕΝΕΣ ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ HMEΡΗΣΙΩΝ ΚΑΙ ΕΣΠΕΡΙΝΩΝ ΕΠΑΓΓΕΛΜΑΤΙΚΩΝ ΛΥΚΕΙΩΝ
ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ ΥΠΟΛΕΙΠΟΜΕΝΕΣ ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ HMEΡΗΣΙΩΝ ΚΑΙ ΕΣΠΕΡΙΝΩΝ ΕΠΑΓΓΕΛΜΑΤΙΚΩΝ ΛΥΚΕΙΩΝ ΤΕΤΑΡΤΗ 28 ΙΟΥΝΙΟΥ 2017 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΤΩΝ ΣΥΝΟΛΟ ΣΕΛΙΔΩΝ: ΕΠΤΑ (7) ΘΕΜΑ
Διαβάστε περισσότεραΟΜΟΣΠΟΝΔΙΑ ΕΚΠΑΙΔΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑΔΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2019 Β ΦΑΣΗ Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ
ΑΞΗ: ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΣ: ΜΑΘΗΜΑ: Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΣΠΟΥΔΩΝ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Ημερομηνία: Σάββατο 20 Απριλίου 2019 Διάρκεια Εξέτασης: 3 ώρες ΕΚΦΩΝΗΣΕΙΣ
Διαβάστε περισσότεραΔιαδικασιακός Προγραμματισμός
Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ ΤΕΙ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ Διαδικασιακός Προγραμματισμός Διάλεξη 10 η Αλφαριθμητικά Οι διαλέξεις βασίζονται στο βιβλίο των Τσελίκη και Τσελίκα C: Από τη Θεωρία στην Εφαρμογή Σωτήρης
Διαβάστε περισσότεραΣχεδίαση Βάσεων Δεδομένων
Οδηγίες Μέρος 1: Απαντήστε κάθε ερώτηση. 1. Ποια είναι τα πλεονεκτήματα που παρέχει το Περιβάλλον Βάσεων Δεδομένων της Oracle για τις επιχειρήσεις; Το σύστημα διαχείρισης βάσεων δεδομένων της Oracle δίνει
Διαβάστε περισσότεραΕργαστήρια Αριθμητικής Ανάλυσης Ι. 7 ο Εργαστήριο. Διανύσματα-Πίνακες 2 ο Μέρος
Εργαστήρια Αριθμητικής Ανάλυσης Ι 7 ο Εργαστήριο Διανύσματα-Πίνακες 2 ο Μέρος 2017 Εντολή size Σε προηγούμενο εργαστήριο είχαμε κάνει αναφορά στην συνάρτηση length, και την χρησιμότητα της όταν δουλεύουμε
Διαβάστε περισσότεραΑ.2.1 Η ΕΝΝΟΙΑ ΤΟΥ ΚΛΑΣΜΑΤΟΣ
ΚΕΦΑΛΑΙΟ Ο ΚΛΑΣΜΑΤΑ Α.. Η ΕΝΝΟΙΑ ΤΟΥ ΚΛΑΣΜΑΤΟΣ ΜΕΘΟΔΟΛΟΓΙΑ ΣΥΓΚΡΙΣΗ ΚΛΑΣΜΑΤΟΣ ΜΕ ΤΟ Αν ο αριθμητής ενός κλάσματος είναι μεγαλύτερος από τον παρανομαστή, τότε το κλάσμα είναι μεγαλύτερο από το. Αν ο αριθμητής
Διαβάστε περισσότεραΣου προτείνω να τυπώσεις τις επόμενες τέσσερις σελίδες σε ένα φύλο διπλής όψης και να τις έχεις μαζί σου για εύκολη αναφορά.
AeppAcademy.com facebook.com/aeppacademy Γεια. Σου προτείνω να τυπώσεις τις επόμενες τέσσερις σελίδες σε ένα φύλο διπλής όψης και να τις έχεις μαζί σου για εύκολη αναφορά. Καλή Ανάγνωση & Καλή Επιτυχία
Διαβάστε περισσότερα0 The quick brown fox leaped over the lazy lazy dog 1 Quick brown foxes leaped over lazy dogs for fun
Κ24: Προγραμματισμός Συστήματος - 1η Εργασία, Εαρινό Εξάμηνο 2018 Προθεσμία Υποβολής: Κυριακή 18 Μαρτίου, 23:59 Εισαγωγή Στην εργασία αυτή θα υλοποιήσετε μία μίνι μηχανή αναζήτησης (search engine). Οι
Διαβάστε περισσότεραΓνωρίστε το Excel 2007
Εισαγωγή τύπων Γνωρίστε το Excel 2007 Πληκτρολογήστε το σύμβολο της ισότητας (=), χρησιμοποιήστε ένα μαθηματικό τελεστή (+,-,*,/) και πατήστε το πλήκτρο ENTER. Πρόσθεση, διαίρεση, πολλαπλασιασμός και αφαίρεση
Διαβάστε περισσότεραΕισαγωγή στην Επιστήμη Υπολογιστών. Εισαγωγή στην Python
Εισαγωγή στην Επιστήμη Υπολογιστών Εισαγωγή στην Python Python scripts Ένα πρόγραμμα στην Python (συχνά αποκαλείται script) αποτελείται από μία ακολουθία ορισμών και εντολών. H ακολουθία των ορισμών και
Διαβάστε περισσότεραΥπάρχουν δύο τύποι μνήμης, η μνήμη τυχαίας προσπέλασης (Random Access Memory RAM) και η μνήμη ανάγνωσης-μόνο (Read-Only Memory ROM).
Μνήμες Ένα από τα βασικά πλεονεκτήματα των ψηφιακών συστημάτων σε σχέση με τα αναλογικά, είναι η ευκολία αποθήκευσης μεγάλων ποσοτήτων πληροφοριών, είτε προσωρινά είτε μόνιμα Οι πληροφορίες αποθηκεύονται
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3. Εκφράσεις, τελεστές, σχόλια. 3.1 Εισαγωγή
ΚΕΦΑΛΑΙΟ 3 Εκφράσεις, τελεστές, σχόλια Σύνοψη Στο κεφάλαιο αυτό εισάγουμε τον τρόπο τέλεσης πράξεων μεταξύ μεταβλητών και σταθερών, εκφράσεις μεταξύ αυτών καθώς και το σχολιασμό της λογικής ενός προγράμματος.
Διαβάστε περισσότεραΠαραδείγματα (2 ο σετ) Διανυσματικοί Χώροι Επιμέλεια: Ι. Λυχναρόπουλος
Παραδείγματα ( ο σετ) Διανυσματικοί Χώροι Επιμέλεια: Ι. Λυχναρόπουλος Παράδειγμα Έστω ο υποχώρος W του R 5 που παράγεται από τα διανύσματα v=(,,-,,), v=(,,-,6,8), v=(,,,,6), v=(,,5,,8), v5=(,7,,,9). a)
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ Ακαδημαϊκό έτος 2001-2002 ΤΕΤΡΑΔΙΟ ΕΡΓΑΣΤΗΡΙΟΥ #4
ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ Ακαδημαϊκό έτος 2001-2002 ΤΕΤΡΑΔΙΟ ΕΡΓΑΣΤΗΡΙΟΥ #4 «Προγραμματισμός Η/Υ» - Τετράδιο Εργαστηρίου #4 2 Γενικά Στο Τετράδιο #4 του Εργαστηρίου θα αναφερθούμε σε θέματα διαχείρισης πινάκων
Διαβάστε περισσότεραΙσότητα, Αλγεβρικές και Αναλυτικές Ιδιότητες Πραγματικών Ακολουθιών
Ισότητα, Αλγεβρικές και Αναλυτικές Ιδιότητες Πραγματικών Ακολουθιών Συμβολισμοί Σε αναλογία με τους ορισμούς συμβολίζουμε μια ακολουθία: 1 είτε μέσω του διανυσματικού ορισμού, παραθέτοντας αναγκαστικά
Διαβάστε περισσότερα2.1 ΠΡΑΞΕΙΣ ΚΑΙ ΟΙ ΙΔΙΟΤΗΤΕΣ ΤΟΥΣ
ΚΕΦΑΛΑΙΟ : ΟΙ ΠΡΑΓΜΑΤΙΚΟΙ ΑΡΙΘΜΟΙ. ΠΡΑΞΕΙΣ ΚΑΙ ΟΙ ΙΔΙΟΤΗΤΕΣ ΤΟΥΣ Ρητός ονομάζεται κάθε αριθμός που έχει ή μπορεί να πάρει τη μορφή κλάσματος, όπου, είναι ακέραιοι με 0. Ρητοί αριθμοί : Q /, 0. Έτσι π.χ.
Διαβάστε περισσότεραΚεφάλαιο 9. Έλεγχοι υποθέσεων
Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές
Διαβάστε περισσότεραΡητή μετατροπή αριθμητικής τιμής σε άλλο τύπο. Τι θα τυπωθεί στον παρακάτω κώδικα;
Ρητή μετατροπή αριθμητικής τιμής σε άλλο τύπο Τι θα τυπωθεί στον παρακάτω κώδικα; Ρητή μετατροπή αριθμητικής τιμής σε άλλο τύπο Τι θα τυπωθεί στον παρακάτω κώδικα; Χωρίς να αλλάξουμε τον τύπο των a,b,
Διαβάστε περισσότεραΙδιότητες αντικειμένων, συγγραφή κώδικα, συντακτικά λάθη
Ιδιότητες αντικειμένων, συγγραφή κώδικα, συντακτικά λάθη Πώς βλέπουμε τις ιδιότητες των αντικειμένων που έχουμε δημιουργήσει; Ανοίγουμε το σενάριο CarWorld και δημιουργούμε μερικά αντικείμενα των κλάσεων
Διαβάστε περισσότερα4 η Σειρά ασκήσεων (Συμπίεση, Ομαδοποίηση, Ευρετηρίαση Πολυμέσων, Κατανεμημένη Ανάκτηση)
Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών HY463 -Συστήματα Ανάκτησης Πληροφοριών 2005-2006 Εαρινό Εξάμηνο 4 η Σειρά ασκήσεων (Συμπίεση, Ομαδοποίηση, Ευρετηρίαση Πολυμέσων, Κατανεμημένη Ανάκτηση)
Διαβάστε περισσότεραΒΑΣΙΚΟΙ ΤΥΠΟΙ ΔΕΔΟΜΕΝΩΝ
Η ΓΛΩΣΣΑ PASCAL ΒΑΣΙΚΟΙ ΤΥΠΟΙ ΔΕΔΟΜΕΝΩΝ Απλοί ή στοιχειώδης Τ.Δ. Ακέραιος τύπος Πραγματικός τύπος Λογικός τύπος Χαρακτήρας Σύνθετοι Τ.Δ. Αλφαριθμητικός 1. Ακέραιος (integer) Εύρος: -32768 έως 32767 Δήλωση
Διαβάστε περισσότεραΗ πρώτη παράμετρος είναι ένα αλφαριθμητικό μορφοποίησης
Η συνάρτηση printf() Η συνάρτηση printf() χρησιμοποιείται για την εμφάνιση δεδομένων στο αρχείο εξόδου stdout (standard output stream), το οποίο εξ ορισμού συνδέεται με την οθόνη Η συνάρτηση printf() δέχεται
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 8 Η ΓΛΩΣΣΑ PASCAL
8.1. Εισαγωγή ΚΕΦΑΛΑΙΟ 8 Η ΓΛΩΣΣΑ PACAL Πως προέκυψε η γλώσσα προγραμματισμού Pascal και ποια είναι τα γενικά της χαρακτηριστικά; Σχεδιάστηκε από τον Ελβετό επιστήμονα της Πληροφορικής Nicklaus Wirth to
Διαβάστε περισσότεραΑριθμητική Ανάλυση και Εφαρμογές
Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 07-08 Πεπερασμένες και Διαιρεμένες Διαφορές Εισαγωγή Θα εισάγουμε την έννοια των διαφορών με ένα
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ Α ΓΥΜΝΑΣΙΟΥ
ΜΑΘΗΜΑΤΙΚΑ Α ΓΥΜΝΑΣΙΟΥ Πίνακας περιεχομένων Κεφάλαιο 1 - ΟΙ ΦΥΣΙΚΟΙ ΑΡΙΘΜΟΙ... 2 Κεφάλαιο 2 ο - ΤΑ ΚΛΑΣΜΑΤΑ... 6 Κεφάλαιο 3 ο - ΔΕΚΑΔΙΚΟΙ ΑΡΙΘΜΟΙ... 10 ΣΩΤΗΡΟΠΟΥΛΟΣ ΝΙΚΟΣ 1 Κεφάλαιο 1 - ΟΙ ΦΥΣΙΚΟΙ ΑΡΙΘΜΟΙ
Διαβάστε περισσότεραΑνάκτηση Πληροφορίας
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 4: Μοντελοποίηση: Διανυσματικό μοντέλο Απόστολος Παπαδόπουλος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΠροτεινόμενα Θέματα ΑΕΠΠ
Προτεινόμενα Θέματα ΑΕΠΠ ΘΕΜΑ Α Α1. Να χαρακτηρίσετε αν κάθε μία από τις παρακάτω προτάσεις είναι σωστή (Σ) ή λανθασμένη (Λ). Αιτιολογήσετε κάθε σας απάντηση 1. Η μερικώς περιορισμένη εμβέλεια προσφέρει
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 9 ΒΑΣΙΚΕΣ ΕΝΤΟΛΕΣ
ΚΕΦΑΛΑΙΟ 9 ΒΑΣΙΚΕΣ ΕΝΤΟΛΕΣ 9.1 Εντολές Εισόδου/εξόδου Στην Pascal, 1. Tα δεδομένα των προγραμμάτων λαμβάνονται: είτε από το πληκτρολόγιο είτε από ένα αρχείο με τη χρήση των διαδικασιών read και readln,
Διαβάστε περισσότεραΑυτόνομοι Πράκτορες. ΝΑΟ Μουσικός
Αυτόνομοι Πράκτορες ΝΑΟ Μουσικός Καρατζαφέρης Ευστάθιος Αλέξανδρος 2007 030 046 Πολυτεχνείο Κρήτης Σύντομη Περιγραφή Στόχος της εργασίας μας είναι η υλοποίηση της συμπεριφοράς αλλα και της λειτουργικότητας
Διαβάστε περισσότερα11. Ποιες είναι οι άμεσες συνέπειες της διαίρεσης;
10. Τι ονομάζουμε Ευκλείδεια διαίρεση και τέλεια διαίρεση; Όταν δοθούν δύο φυσικοί αριθμοί Δ και δ, τότε υπάρχουν δύο άλλοι φυσικοί αριθμοί π και υ, έτσι ώστε να ισχύει: Δ = δ π + υ. Ο αριθμός Δ λέγεται
Διαβάστε περισσότεραΑνάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον. Εκχώρηση Τιμών
Εκχώρηση Τιμών 1. Σύνταξη Με την εντολή εκχώρησης: α) Ονομάζουμε μια θέση μνήμης, και β) προσδιορίζουμε το περιεχόμενό της Η σύνταξη της εντολής εκχώρησης είναι: ή
Διαβάστε περισσότεραΜΕΘΟΔΟΛΟΓΙΕΣ & ΑΣΚΗΣΕΙΣ ΓΙΑ ΤΗΝ ΑΛΓΕΒΡΑ ΤΗΣ Α ΛΥΚΕΙΟΥ
ΜΕΘΟΔΟΛΟΓΙΕΣ & ΑΣΚΗΣΕΙΣ ΓΙΑ ΤΗΝ ΑΛΓΕΒΡΑ ΤΗΣ Α ΛΥΚΕΙΟΥ Επιμέλεια : Παλαιολόγου Παύλος Μαθηματικός Αγαπητοί μαθητές. αυτό το βιβλίο αποτελεί ένα βοήθημα στην ύλη της Άλγεβρας Α Λυκείου, που είναι ένα από
Διαβάστε περισσότεραΕφαρμοσμένη Πληροφορική ΙΙ (Θ) Είσοδος/Έξοδος Μεταβλητές Τύποι Μεταβλητών Τελεστές και Προτεραιότητα Μετατροπές Μεταξύ Τύπων
Εφαρμοσμένη Πληροφορική ΙΙ (Θ) Είσοδος/Έξοδος Μεταβλητές Τύποι Μεταβλητών Τελεστές και Προτεραιότητα Μετατροπές Μεταξύ Τύπων 1 Είσοδος/Έξοδος Είσοδος/Έξοδος ανάλογα με τον τύπο του προγράμματος Πρόγραμμα
Διαβάστε περισσότεραΔιαδικασιακός Προγραμματισμός
Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ ΤΕΙ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ Διαδικασιακός Προγραμματισμός Διάλεξη 13 η Δομές & Ενώσεις Οι διαλέξεις βασίζονται στο βιβλίο των Τσελίκη και Τσελίκα C: Από τη Θεωρία στην Εφαρμογή
Διαβάστε περισσότεραΠροβλήματα, αλγόριθμοι, ψευδοκώδικας
Προβλήματα, αλγόριθμοι, ψευδοκώδικας October 11, 2011 Στο μάθημα Αλγοριθμική και Δομές Δεδομένων θα ασχοληθούμε με ένα μέρος της διαδικασίας επίλυσης υπολογιστικών προβλημάτων. Συγκεκριμένα θα δούμε τι
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ 9: Συμβολοσειρές και Ορίσματα Γραμμής Εντολής
ΕΡΓΑΣΤΗΡΙΟ 9: Συμβολοσειρές και Ορίσματα Γραμμής Εντολής Στο εργαστήριο αυτό θα δούμε πώς ορίζονται και πώς χρησιμοποιούνται οι συμβολοσειρές στην C. Επίσης, θα μελετήσουμε κάποιες από τις συναρτήσεις
Διαβάστε περισσότεραΕργαστήρια Text Mining & Sentiment Analysis με Rapid Miner
10. Text Mining Για να μπορέσουμε να χρησιμοποιήσουμε τις δυνατότητες text mining του Rapid Miner πρέπει να εγκαταστήσουμε το Text Mining Extension. Πηγαίνουμε Help Updates and Extensions (Marketplace)
Διαβάστε περισσότεραΟι φυσικοί αριθμοί. Παράδειγμα
Οι φυσικοί αριθμοί Φυσικοί Αριθμοί Είναι οι αριθμοί με τους οποίους δηλώνουμε πλήθος ή σειρά. Για παράδειγμα, φυσικοί αριθμοί είναι οι: 0, 1,, 3,..., 99, 100,...,999, 1000, 0... Χωρίζουμε τους Φυσικούς
Διαβάστε περισσότεραΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Τελικό επαναληπτικό διαγώνισμα Επιμέλεια: Δρεμούσης Παντελής
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Τελικό επαναληπτικό διαγώνισμα Επιμέλεια: Δρεμούσης Παντελής ΘΕΜΑ 1 ο Α. Να χαρακτηρίσετε τις παρακάτω προτάσεις ως σωστές ή λανθασμένες. 1. Μια διαδικασία
Διαβάστε περισσότεραΗ ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ. (Power of a Test) ΚΕΦΑΛΑΙΟ 21
ΚΕΦΑΛΑΙΟ 21 Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ (Power of a Test) Όπως είδαμε προηγουμένως, στον Στατιστικό Έλεγχο Υποθέσεων, ορίζουμε δύο είδη πιθανών λαθών (κινδύνων) που μπορεί να συμβούν όταν παίρνουμε αποφάσεις
Διαβάστε περισσότεραΑ.1 Τι γνωρίζετε για τον διερμηνευτή, τον μεταγλωττιστή και ποιες οι διαφορές τους. 15 ΜΟΝΑΔΕΣ
ΤΑΞΗ ΟΝΟΜΑ ΜΑΘΗΜΑ Γ ΛΥΚΕΙΟΥ ΑΕΠΠ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΗΜΕΡΟΜΗΝΙΑ 12 ΜΑΪΟΥ 2018 ΘΕΜΑ Α Α.1 Τι γνωρίζετε για τον διερμηνευτή, τον μεταγλωττιστή και ποιες οι διαφορές τους. 1 Α.2 Δίνεται ο κώδικας για την ταξινόμηση
Διαβάστε περισσότεραΓενικά Στοιχεία Ηλεκτρονικού Υπολογιστή
Γενικά Στοιχεία Ηλεκτρονικού Υπολογιστή 1. Ηλεκτρονικός Υπολογιστής Ο Ηλεκτρονικός Υπολογιστής είναι μια συσκευή, μεγάλη ή μικρή, που επεξεργάζεται δεδομένα και εκτελεί την εργασία του σύμφωνα με τα παρακάτω
Διαβάστε περισσότεραΤΕΧΝΙΚΕΣ 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 περισσότεραΠΕΡΙΛΗΨΗ ΘΕΩΡΙΑΣ ΣΤΗΝ ΕΥΘΥΓΡΑΜΜΗ ΚΙΝΗΣΗ
ΠΕΡΙΛΗΨΗ ΘΕΩΡΙΑΣ ΣΤΗΝ ΕΥΘΥΓΡΑΜΜΗ ΚΙΝΗΣΗ Αλγεβρική τιμή διανύσματος Όταν ένα διάνυσμα είναι παράλληλο σε έναν άξονα (δηλαδή μια ευθεία στην οποία έχουμε ορίσει θετική φορά), τότε αλγεβρική τιμή του διανύσματος
Διαβάστε περισσότεραΕισαγωγήστουςΗ/Υ. PHP Hypertext Preprocessor
ΕισαγωγήστουςΗ/Υ PHP Hypertext Preprocessor ΤιείναιηPHP; PHP είναιµία server-based scripting language σχεδιασµένη ειδικά για το web. Σε µία html σελίδα µπορούµε να ενσωµατώσουµε php κώδικα που εκτελείται
Διαβάστε περισσότεραnum(m(w 1 ;... ; w k )) = f(num(w 1 ),..., num(w k ))
Υπολογισμοί με Μ.Τ. Εστω M = (K, Σ, δ, s, {y, n}) μια Μ.Τ. Κάθε συνολική κατάσταση τερματισμού της οποίας η κατάσταση τερματισμού είναι το y, θα ονομάζεται συνολική κατάσταση αποδοχής, ενώ αν η κατάσταση
Διαβάστε περισσότεραΔιάλεξη 04: Παραδείγματα Ανάλυσης
Διάλεξη 04: Παραδείγματα Ανάλυσης Πολυπλοκότητας/Ανάλυση Αναδρομικών Αλγόριθμων Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: - Παραδείγματα Ανάλυσης Πολυπλοκότητας : Μέθοδοι, παραδείγματα
Διαβάστε περισσότεραΜ Α Θ Η Μ Α Τ Ι Κ Α Α Γ Υ Μ Ν Α Σ Ι Ο Υ
Μ Α Θ Η Μ Α Τ Ι Κ Α Α Γ Υ Μ Ν Α Σ Ι Ο Υ 1 Συνοπτική θεωρία Ερωτήσεις αντικειμενικού τύπου Ασκήσεις Διαγωνίσματα 2 ΣΥΝΟΠΤΙΚΗ ΘΕΩΡΙΑ ΕΡΩΤΗΣΕΙΣ-ΑΠΑΝΤΗΣΕΙΣ 1. Πότε ένας φυσικός αριθμός λέγεται άρτιος; Άρτιος
Διαβάστε περισσότεραβ. Ποιοι λόγοι θα μας οδηγούσαν στο να αναθέσουμε την επίλυση προβλημάτων στον υπολογιστή; (μονάδες 4) (Μονάδες 6)
ΜΑΘΗΜΑ / ΤΑΞΗ : ΑΕΠΠ / Γ ΛΥΚΕΙΟΥ ΘΕΡΙΝΑ ΣΕΙΡΑ: 1 η ΗΜΕΡΟΜΗΝΙΑ: 08/09/2014 ΘΕΜΑ Α Α1. Να χαρακτηρίσετε τις προτάσεις που ακολουθούν, γράφοντας δίπλα στο γράμμα που αντιστοιχεί σε κάθε πρόταση, τη λέξη Σωστό,
Διαβάστε περισσότεραΔιαδικτυακές Υπηρεσίες Αναζήτησης, Απεικόνισης και Απευθείας Πρόσβασης στα δεδομένα ΟΔΗΓΙΕΣ ΧΡΗΣΗΣ. Έκδοση 0.1.
Κομβικό Σημείο Επαφής Υπουργείου Εσωτερικών Διαδικτυακές Υπηρεσίες Αναζήτησης, Απεικόνισης και Απευθείας Πρόσβασης στα δεδομένα ΟΔΗΓΙΕΣ ΧΡΗΣΗΣ Έκδοση 0.1. Νοέμβρης 2014 Περιεχόμενα 1. ΕΙΣΑΓΩΓΗ... 2 2.
Διαβάστε περισσότεραΆδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ
Θεωρία Υπολογισμού Ενότητα 7: Πεπερασμένη αναπαράσταση γλωσσών Τμήμα Πληροφορικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες,
Διαβάστε περισσότερα