ΛΥΣΕΙΣ 2 ης ΣΕΙΡΑΣ ΑΣΚΗΣΕΩΝ
|
|
- Ιόλη Βαμβακάς
- 7 χρόνια πριν
- Προβολές:
Transcript
1 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 Computer» Έγγραφο 4: «Computer for Computer» Έγγραφο 5: «Cheap Games Computer Games» 1) Δώστε τη διανυσματική παράσταση του κάθε εγγράφου με βάρη TF-IDF. Θεωρείστε ότι η θέση της κάθε λέξης στα διανύσματα γίνεται κατά αλφαβητική σειρά. 2) Θεωρείστε την επερώτηση q1=«computer Games». Υπολογίστε το TF-IDF διάνυσμα αυτής της επερώτησης και δώστε την διάταξη των εγγράφων που θα επιστρέψει ένα σύστημα που βασίζεται στο διανυσματικό μοντέλο. Σχεδιάστε το ανεστραμμένο ευρετήριο για αυτή τη συλλογή. Λύση 1) Έγγραφο 1: «Computer Games» Έγγραφο 2: «Computer Games Computer Games» Έγγραφο 3: «Games Theory and Computer» Έγγραφο 4: «Computer for Computer» Έγγραφο 5: «Cheap Games Computer Games» And Cheap Computer for Games Theory MAXk{FREQij} D D D D D DF IDF 5/1 5/1 5/5 5/1 5/4 5/1 FREQ ij =το πλήθος των εμφανίσεων του όρου i στο έγγραφο j IDF = N / DF MAX k {FREQ ij } = συχνότητα της λέξης με τη μέγιστη συχνότητα στο κείμενο 1
2 TF-IDF And Cheap Computer for Games Theory MAXk{FREQij} D /1*5/5 0 1/1*5/4 0 1 D /2*5/5 0 2/2*5/4 0 2 D 3 1/1*5/1 0 1/1*5/5 0 1/1*5/4 1/1*5/1 1 D /2*5/5 1/2*5/ D 5 0 1/2*5/1 1/2*5/5 0 2/2*5/4 0 2 DF IDF 5/1 5/1 5/5 5/1 5/4 5/1 TF ij = FREQ ij / MAX k {FREQ ij } V ij = TF ij * IDF i Οι διανυσματικές παραστάσεις των κειμένων είναι : V 1 = {0, 0, 1, 0, 1.25, 0}, V 1 = 2,5625 V 2 = {0, 0, 1, 0, 1.25, 0}, V 2 = 2,5625 V 3 = {5, 0, 1, 0, 1.25, 5}, V 3 = 52,5625 V 4 = {0, 0, 1, 2.5, 0, 0}, V 4 = 7,25 V 5 = {0, 2.5, 0.5, 0, 1.25, 0}, V 5 = 8,0625 2) And Cheap Computer For Games Theory q1= Computer Games 0 0 1/1*5/5 0 1/1*5/4 0 IDF 5/1 5/1 5/5 5/1 5/4 5/1 2
3 q 1 = {0, 0, 1, 0, 1.25, 0}, q 1 = 2,5625 V 1 *q 1 =1*1+1,25*1,25=1+1,5625=2,5625 V 2 *q 1 =2,5625 V 3 *q 1 =5*0+1*1+1,25*1,25+5*0=2,5625 V 4 *q 1 =1 V 5 * q 1 =0,5*1+1,25*1,25=2,0625 Με βάση τον παρπάνω τύπο, υπολογίζουμε το μέτρο ομοιότητας συνημίτονου για κάθε έγγραφο Dj R( D 1, q 1 ) = 2,5625/(2,5625*2,5625) 1/2 => R( D 1, q 1 ) = 1 R( D 2, q 1 ) = 2,5625/(2,5625*2,5625) 1/2 => R( D 2, q 1 ) = 1 R( D 3, q 1 ) = 2,5625/(52,5625*2,5625) 1/2 = 2,5625/(134, ) 2,5625/11, => R( D 3, q 1 ) = 0, R( D 4, q 1 ) = 1/(7,25*2,5625) 1/2 =1/(18,578125) 1/2 = 1/4, => R( D 4, q 1 ) = 0, ½ = R( D 5, q 1 ) = 2,0625/(8,0625*2,5625) 1/2 = 2,0625/(20,660156) 1/2 = 2,0625/4, => R( D 5, q 1 ) = 0, Με βάση το διανυσματικό μοντέλο η διάταξη των εγγράφων είναι : < {D 1, D 2 }, D 5, D 4, D 3 > Θα περιμέναμε το έγγραφο D 3 να έρθει στη σειρά πριν το D 4,επειδή περιέχει όλους τους όρους της επερώτησης, όμως περιέχει και τον όρο Theory ο οποίος εμφανίζεται μόνο σε αυτό το έγγραφο και αυτό επηρέασε το βάρος του D 3. 3
4 Ανεστραμμένο ευρετήριο Μία μορφή του ανεστραμμένου ευρετηρίου στο οποίο εμφανίζονται μόνο οι θέσεις των όρων είναι : Term < Document Frequency, (Document; Position) > Computer < 5 (D 1 ;1), (D 2 ;1), (D 2 ;3), (D 3 ;4), (D 4 ;1), (D 4 ;3), (D 5 ;3)> Games < 4 (D 1 ;2), (D 2 ;2), (D 2 ;4), (D 3 ;1), (D 5 ;2), (D 5 ;4) > Theory < 1 (D 3 ;2) > Cheap < 1 (D 5 ;1) > and < 1 (D 3 ;3)> for < 1 (D 4 ;2)> Μία άλλη μορφή του ανεστραμμένου ευρετηρίου στο οποίο εμφανίζεται το TF του κάθε όρου σε κάθε έγγραφο είναι : Term < Document : Term Frequency : { Position } > Computer < D 1 : 1 : { 1 } > < D 2 : 1 : { 1 } > < D 3 : 1 : { 4 } > < D 4 : 1 : { 1, 3 } > < D 5 : 0.5 : { 3 } > Games < D 1 : 1.25 : { 2 } > < D 2 : 1.25 : { 2, 4 } > < D 3 : 1.25 : { 1 } > < D 5 : 1.25 : { 2 } > Theory < D 3 : 5 : { 2 } > Cheap < D 5 : 2.5 : { 1 } > and < D 3 : 5 : { 3 } > for < D 4 : 2.5 : { 2 } > 4
5 Άσκηση 2 Έστω μια συλλογή από κείμενα D, και έστω Α ένα διατεταγμένο υποσύνολο αυτής. Έστω ότι μας δίνουν το Α και μας ζητούν να βρούμε αν υπάρχει επερώτηση q τ.ω. η απάντηση της να έχει στην αρχή της το διατεταγμένο σύνολο Α. Για παράδειγμα, αν A= d1, d2, d3 και βρούμε μια επερώτηση q τ.ω. Answer(q) = d1, d2, d3, d8, τότε αυτή είναι μια λύση του προβλήματος μας. Θεωρώντας ότι το σύστημα σας βασίζεται στο διανυσματικό μοντέλο, απαντήστε τα παρακάτω ερωτήματα. (α) Πως μπορούμε να βρούμε αν υπάρχει τέτοια επερώτηση; (β) Αν υπάρχει ποια είναι; (γ) Αν δεν υπάρχει τέτοια επερώτηση, πως θα χαλαρώνατε το πρόβλημα και τι θα μπορούσατε να επιστρέψετε; Μπορείτε να αναπτύξετε τις σκέψεις σας όσο θέλετε. Σημείωση: Προσέξτε ώστε το υπολογιστικό κόστος των λύσεων που θα προτείνετε για τα (α) και (β) να μην είναι απαγορευτικό. Λύση (α) Για να υπάρχει μία τέτοια επερώτηση q θα πρέπει να ισχύουν οι δύο παρακάτω συνθήκες: (α1) Έστω q η επερώτηση που ψάχνουμε. Για να επιστρέφει η q όλα τα έγγραφα του Α και μάλιστα με την σχετική διάταξη που έχουν στο Α, θα πρέπει το μέτρο ομοιότητας του συνημίτονου μεταξύ της q και του πρώτου εγγράφου στο Α να είναι μεγαλύτερο από το μέτρο του δευτέρου εγγράφου και εκείνο μεγαλύτερο από του τρίτου εγγράφου κ.o.κ., και όλα να είναι μεγαλύτερα του μηδενός Δηλαδή αν Α = < d1,d2,d3 > τότε θα έπρεπε Sim (d 1, q) > Sim (d 2, q) > Sim (d 3, q) > 0 (1) (α2) Για να μας επιστρέφει η q όλα τα έγγραφα που ανήκουν στο Α, με την διάταξη που έχουν σε αυτό και πριν από οποιοδήποτε άλλο έγγραφο θα πρέπει όλα τα έγγραφα που μας επιστρέφει η επερώτηση q και δεν ανήκουν στο Α, να έχουν μέτρο ομοιότητας του συνημίτονου μικρότερο από την τιμή του τελευταίου εγγράφου που ανήκει στο Α. Δηλαδή αν Α = < d1,d2,d3 > τότε θα έπρεπε Sim (d 1, q) > Sim (d 2, q) > Sim (d 3, q) > Sim (d x, q) για κάθε d x που δεν ανήκει στο Α. 5
6 (β) Εύκολα μπορούμε να δείξουμε ότι αν ικανοποιούνται οι παραπάνω συνθήκες τότε το q=d1 είναι μια επιθυμητή απάντηση (από τις ενδεχομένως πολλές). Ο έλεγχος της συνθήκης (α1) είναι απλός και όχι ιδιαίτερα ακριβός. Συγκεκριμένα απαιτεί Α -1 υπολογισμούς βαθμού ομοιότητας. Ένας εύκολος τρόπος για να δούμε αν ισχύει η συνθήκη (α2) είναι να υπολογίσουμε το Answer(d1) και να δούμε εάν τα πρώτα A στοιχεία του είναι τα στοιχεία του Α. (γ) Μια χαλάρωση του προβλήματος είναι η εξής: Η συνθήκη (α1) ικανοποιείται αλλά δεν ικανοποιείται η συνθήκη (α2). Και σε αυτήν την περίπτωση το q=d1 θα ήταν μια πιθανή λύση του προβλήματος. Απλά η απάντηση του q θα μπορούσε θα είχε τη μορφή: Α(q) = < d1, d5, d6, d2, d4, d8, d9, d3, d10, d7 > Μια άλλη χαλάρωση του προβλήματος θα ήταν να μειώσουμε το σύνολο των εγγράφων του συνόλου Α αρχίζοντας από το τέλος. Δηλαδή αντί για Α = < d 1, d 2, d 3 > να δούμε αν υπάρχει λύση για το σύνολο Α = < d 1, d 2 >. Αν δεν υπάρχει ούτε για το Α να δούμε αν υπάρχει για το Α =<d1>. Για περισσότερα δείτε τις διαφάνειες του Μαθήματος 11 καθώς και το άρθρο: Άσκηση 3 Στο μάθημα είδαμε δύο μοντέλα ανάκτησης του βασίζονται στη Θεωρία Ασαφών Συνόλων. To πρώτο θεωρεί βάρυνση TF*IDF, ενώ το δεύτερο είναι εκείνο που προτάθηκε από τους [Ogawa, Morita, Kobayashi, 1991]. Θεωρείστε έναν όρο t i ενός εγγράφου d j. Συγκρίνετε την συμπεριφορά των δύο αυτών μοντέλων για διάφορες περιπτώσεις, π.χ.: για μικρές και μεγάλες τιμές του tf ij, για μικρές και μεγάλες τιμές του idf i, για μικρές και μεγάλες τιμές του w ij αν προκύπτει από tf*idf. Λύση Για το πρώτο μοντέλο που βασίζεται σε βάρυνση ΤF-IDF ξέρουμε ότι: d j = ( w 1,j, w 2,j,, w t,j ) όπου w i,j є [0,1] R(d j, t i ) = μ ti (d j ) = w i,j = tf ij * idf i όπου tf ij = freq ij / MAX k { freq κj }, idf i = log 2 ( N / df i ) και Ν ο αριθμός των εγγράφων. Για το μοντέλο που προτάθηκε από τους [Ogawa, Morita, and Kobayashi,1991] ξέρουμε ότι: d j = ( w 1,j, w 2,j,, w t,j ) όπου w i,j є {0,1} και w i,j = 1 όταν ο όρος t i εμφανίζεται στο κείμενο d j. (αλλιώς w i,j = 0) 6
7 R(d j,t i ) = μ ti (d j ) το οποίο ορίζεται ως εξής: Αρχικά ορίζεται η εγγύτητα μεταξύ των όρων με τον εξής τύπο: c(i,j) = n(i,j) / ni + nj n(i,j) όπου n(i,j) : το πλήθος των εγγράφων που περιέχουν τον όρο k i και τον k l. ni : το πλήθος των εγγράφων που περιέχουν τον όρο k i. nj : το πλήθος των εγγράφων που περιέχουν τον όρο k l. Κατόπιν θέτουμε μ i (j) = Σ c(i,w), t w є d j μ i (j) = 1 Π(1- c(i,w) ), t w є d j Έστω ότι θέλουμε να κάνουμε μία επερώτηση σε μία σύλλογη εγγράφων και η επερώτηση αποτελείται από ένα όρο κ, δηλαδή q = k. Μικρές τιμές tf ij Έστω ένα έγγραφο j. Αν το tf ij του όρου ki είναι μικρό, αυτό σημαίνει ότι ο όρος ki εμφανίζεται λίγες φορές στο έγγραφο αυτό άρα η κατάταξη του εγγράφου θα είναι χαμηλή σύμφωνα με το πρώτο μοντέλο ανάκτησης. Το δεύτερο μοντέλο ([Ogawa, Morita, Kobayashi, 1991]) αγνοεί το πλήθος των εμφανίσεων ενός όρου σε ένα έγγραφο Λαμβάνει όμως υπόψη τον βαθμό συνεμφάνισης των όρων στη συλλογή. Αυτό σημαίνει ότι αν το έγγραφο j περιέχει πολλούς όρους οι οποίοι έχουν μεγάλη εγγύτητα (συνεμφάνιση) με τον όρο ki, τότε το έγγραφο αυτό μπορεί να σταθμιστεί υψηλά. Μεγάλες τιμές tf ij Έστω ένα έγγραφο j. Αν το tf ij του όρου ki είναι μεγάλο, αυτό σημαίνει ότι ο όρος ki εμφανίζεται πολλές φορές στο έγγραφο αυτό άρα η κατάταξη του εγγράφου θα είναι υψηλή σύμφωνα με το πρώτο μοντέλο ανάκτησης. Στο δεύτερο μοντέλο (που αγνοεί το tf) το έγγραφο αυτό θα μπορούσε να σταθμιστεί χαμηλά αν περιέχει λίγους όρους που έχουν εγγύτητα (συνεμφάνιση) με τον όρο ki. Μικρές τιμές idf i Αν το idf του όρου ki είναι μικρό αυτό σημαίνει ότι το πλήθος των εγγράφων που περιέχουν τον όρο ki είναι μεγάλο (αφού idf = Ν/df). Έστω ένα έγγραφο j που περιέχει τον όρο ki. Aν λαμβάναμε υπόψη μόνο το idf τότε το 1 ο μοντέλο, θα έδινε μικρό βαθμό συνάφειας στο έγγραφο j (καθώς και σε όλα τα υπόλοιπα έγγραφα). Αντίθετα το 2 ο μοντέλο ενδεχομένως να έδινε μεγαλύτερο βαθμό συνάφειας στο έγγραφο j διότι από τη στιγμή που ο όρος ki εμφανίζεται σε πολλά κείμενα μπορεί να έχει υψηλό βαθμό συνεμφάνισης με άλλους όρους που περιέχει το έγγραφο j. 7
8 Μεγάλες τιμές idf i Αν το idf του όρου ki είναι μεγάλο αυτό σημαίνει ότι το πλήθος των εγγράφων που περιέχουν τον όρο ki είναι μικρό (αφού idf = Ν/df). Έστω ένα έγγραφο j που περιέχει τον όρο ki. Aν λαμβάναμε υπόψη μόνο το idf τότε το 1 ο μοντέλο, θα έδινε μεγάλο βαθμό συνάφειας στο έγγραφο j (καθώς και σε όλα τα υπόλοιπα έγγραφα). Αντίθετα το 2 ο μοντέλο ενδεχομένως να έδινε μικρότερο βαθμό συνάφειας στο έγγραφο j διότι από τη στιγμή που ο όρος ki εμφανίζεται σε πολλά κείμενα μπορεί να έχει υψηλό βαθμό συνεμφάνισης με άλλους όρους που περιέχει το έγγραφο j. Mικρές και μεγάλες τιμές του w ij Θα μπορούσαμε να διακρίνουμε τις παρακάτω περιπτώσεις: 1) Μικρό TF*IDF λόγω πολύ μικρού TF Έστω ένα έγγραφο j. Αν το tf ij του όρου ki είναι πολύ μικρό, αυτό σημαίνει ότι ο όρος ki εμφανίζεται πολύ λίγες φορές στο έγγραφο αυτό άρα η κατάταξη του εγγράφου θα είναι χαμηλή σύμφωνα με το πρώτο μοντέλο ανάκτησης. Το δεύτερο μοντέλο αγνοεί το πλήθος των εμφανίσεων ενός όρου σε ένα έγγραφο Λαμβάνει όμως υπόψη τον βαθμό συνεμφάνισης των όρων στη συλλογή. Αυτό σημαίνει ότι αν το έγγραφο j περιέχει πολλούς όρους οι οποίοι έχουν μεγάλη εγγύτητα (συνεμφάνιση) με τον όρο ki, τότε το έγγραφο αυτό μπορεί να σταθμιστεί υψηλά. 2) Μικρό TF*IDF λόγω πολύ μικρού IDF Αν το idf του όρου ki είναι πολύ μικρό αυτό σημαίνει ότι το πλήθος των εγγράφων που περιέχουν τον όρο ki είναι πολύ μεγάλο (αφού idf = Ν/df). Έστω ένα έγγραφο j που περιέχει τον όρο ki. Aν λαμβάναμε υπόψη μόνο το idf τότε το 1 ο μοντέλο, θα έδινε πολύ μικρό βαθμό συνάφειας στο έγγραφο j (καθώς και σε όλα τα υπόλοιπα έγγραφα). Αντίθετα το 2 ο μοντέλο ενδεχομένως να έδινε πολύ μεγαλύτερο βαθμό συνάφειας στο έγγραφο j διότι από τη στιγμή που ο όρος ki εμφανίζεται σε πολλά κείμενα μπορεί να έχει υψηλό βαθμό συνεμφάνισης με άλλους όρους που περιέχει το έγγραφο j. 8
9 3) Μικρό TF*IDF λόγω μικρού ΤF και μικρού IDF Έστω ένα έγγραφο j. Αν το tf ij του όρου ki είναι μικρό, αυτό σημαίνει ότι ο όρος ki εμφανίζεται λίγες φορές στο έγγραφο αυτό και αν το idf του όρου ki είναι μικρό αυτό σημαίνει ότι το πλήθος των εγγράφων που περιέχουν τον όρο ki είναι μεγάλο (αφού idf = Ν/df). Επομένως, το πρώτο μοντέλο θα έδινε μικρό βαθμό συνάφειας στο έγγραφο j. Αντίθετα το 2 ο μοντέλο ενδεχομένως να έδινε πολύ μεγαλύτερο βαθμό συνάφειας στο έγγραφο j διότι από τη στιγμή που ο όρος ki εμφανίζεται σε πολλά κείμενα μπορεί να έχει υψηλό βαθμό συνεμφάνισης με άλλους όρους που περιέχει το έγγραφο j. 4) Μεγάλο TF*IDF λόγω πολύ μεγάλου TF Έστω ένα έγγραφο j. Αν το tf ij του όρου ki είναι πολύ μεγάλο, αυτό σημαίνει ότι ο όρος ki εμφανίζεται πολλές φορές στο έγγραφο αυτό άρα η κατάταξη του εγγράφου θα είναι πολύ υψηλή σύμφωνα με το πρώτο μοντέλο ανάκτησης. Στο δεύτερο μοντέλο (που αγνοεί το tf) το έγγραφο αυτό θα μπορούσε να σταθμιστεί χαμηλά αν περιέχει λίγους όρους που έχουν εγγύτητα (συνεμφάνιση) με τον όρο ki. 5) Μεγάλο TF*IDF λόγω πολύ μεγάλου IDF Αν το idf του όρου ki είναι πολύ μεγάλο αυτό σημαίνει ότι το πλήθος των εγγράφων που περιέχουν τον όρο ki είναι πολύ μικρό (αφού idf = Ν/df). Έστω ένα έγγραφο j που περιέχει τον όρο ki. Aν λαμβάναμε υπόψη μόνο το idf τότε το 1 ο μοντέλο, θα έδινε πολύ μεγάλο βαθμό συνάφειας στο έγγραφο j (καθώς και σε όλα τα υπόλοιπα έγγραφα). Αντίθετα το 2 ο μοντέλο ενδεχομένως να έδινε πολύ μικρότερο βαθμό συνάφειας στο έγγραφο j διότι από τη στιγμή που ο όρος ki εμφανίζεται σε πολλά κείμενα μπορεί να έχει υψηλό βαθμό συνεμφάνισης με άλλους όρους που περιέχει το έγγραφο j. 6) Μεγάλο TF*IDF λόγω μεγάλου ΤF και μεγάλου IDF Έστω ένα έγγραφο j. Αν το tf ij του όρου ki είναι μεγάλο, αυτό σημαίνει ότι ο όρος ki εμφανίζεται πολλές φορές στο έγγραφο αυτό και αν το idf του όρου ki είναι μεγάλο αυτό σημαίνει ότι το πλήθος των εγγράφων που περιέχουν τον όρο ki είναι μικρό (αφού idf = Ν/df). Επομένως, το πρώτο μοντέλο θα έδινε μεγάλο βαθμό συνάφειας στο έγγραφο j. Αντίθετα το 2 ο μοντέλο ενδεχομένως να έδινε πολύ μικρότερο βαθμό συνάφειας στο έγγραφο j διότι από τη στιγμή που ο όρος ki εμφανίζεται σε λίγα κείμενα μπορεί να έχει μικρό βαθμό συνεμφάνισης με άλλους όρους που περιέχει το έγγραφο j. 9
Πανεπιστήμιο 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 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 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 περισσότερα1. Financial New Times Year MAXk {FREQij} D D D D
Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών HY46 - Συστήματα Ανάκτησης Πληροφοριών 2004-2005 Εαρινό Εξάμηνο 2 η Σειρά ασκήσεων (Μοντέλα Ανάκτησης Πληροφοριών και Ευρετήρια) Ανάθεση: 6 Μαρτίου Παράδοση:
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 περισσότεραHΥ463 - 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 περισσότεραΑνάκτηση 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 περισσότεραΦροντιστήριο 5. Το πρώτο πράγµα λοιπόν που πρέπει να κάνουµε είναι να βρούµε τις πιθανότητες εµφάνισης των συµβόλων. Έτσι έχουµε:
Πανεπιστήµιο Κρήτης, Τµήµα Επιστήµης Υπολογιστών HY463 - Συστήµατα Ανάκτησης Πληροφοριών 2006-2007 Εαρινό Εξάµηνο Φροντιστήριο 5 Άσκηση 1 Θεωρείστε το αλφάβητο {α,β,γ,δ,ε} και την εξής φράση: «α α β γ
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 περισσότεραΓΛΩΣΣΙΚΗ 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 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 περισσότεραΘα μιλήσουμε για ΜΟΝΤΕΛΑ ΑΝΑΚΤΗΣΗΣ ΠΛΗΡΟΦΟΡΙΑΣ. Διαφάνειες του καθ. Γιάννη Τζίτζικα (Παν. Κρήτης) http://www.ics.forth.
Θα μιλήσουμε για ΜΟΝΤΕΛΑ ΑΝΑΚΤΗΣΗΣ ΠΛΗΡΟΦΟΡΙΑΣ Διαφάνειες του καθ. Γιάννη Τζίτζικα (Παν. Κρήτης) http://www.ics.forth.gr/~tzitzik/ Γιατοπιθανοτικότουκαθ. Απ. Παπαδόπουλου (Αριστοτέλειο Παν.) Κεφάλαιο 2
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 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 περισσότερα6. Βαθμολόγηση, Στάθμιση Όρων, και το Μοντέλο Διανυσματικού Χώρου
Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων 6. Βαθμολόγηση, Στάθμιση Όρων, και το Μοντέλο Διανυσματικού Χώρου Ανάκτηση Πληροφοριών Χρήστος ουλκερίδης
Διαβάστε περισσότεραΜοντέλα Ανάκτησης Ι (Retrieval Models)
Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη 006 Διάρθρωση HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Informaion Rerieval (IR) Sysems Μοντέλα Ανάκτησης Ι (Rerieval Models) Εισαγωγή στα Μοντέλα
Διαβάστε περισσότεραΘα μιλήσουμε για ΜΟΝΤΕΛΑ ΑΝΑΚΤΗΣΗΣ ΠΛΗΡΟΦΟΡΙΑΣ. Διαφάνειες του καθ. Γιάννη Τζίτζικα (Παν. Κρήτης)
Θα μιλήσουμε για ΜΟΝΤΕΛΑ ΑΝΑΚΤΗΣΗΣ ΠΛΗΡΟΦΟΡΙΑΣ Διαφάνειες του καθ. Γιάννη Τζίτζικα (Παν. Κρήτης) http://www.ics.forth.gr/~tzitzik/ Για το πιθανοκρατικό του καθ. Απ. Παπαδόπουλου (Αριστοτέλειο Παν.) Κεφάλαιο
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 περισσότεραPart A. CS-463 Information Retrieval Systems. Yannis Tzitzikas. University of Crete. CS-463,Spring 05 PART (A) PART (C):
CS-463 Information Systems Μοντέλα Ανάκτησης ( Models) Part A Yannis Tzitzikas University of Crete CS-463,Spring 05 Lecture : 3 Date : 1-3- ιάρθρωση PART (A) Ανάκτηση και Φιλτράρισµα Εισαγωγή στα Μοντέλα
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 περισσότεραΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (ΗΥ-119)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ ΙΩΑΝΝΗΣ Α. ΤΣΑΓΡΑΚΗΣ ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (ΗΥ-119) ΜΕΡΟΣ 5: ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΥΠΟΧΩΡΟΙ ΓΡΑΜΜΙΚΗ ΑΝΕΞΑΡΤΗΣΙΑ ΒΑΣΕΙΣ & ΔΙΑΣΤΑΣΗ Δ.Χ. ΣΗΜΕΙΩΣΕΙΣ
Διαβάστε περισσότεραΠιθανοκρατικό μοντέλο
Πιθανοκρατικό μοντέλο Το μοντέλο MAP Αλέξανδρος Γκιμπερίτης Βασίλης Μπούργος Δημήτρης Σουραβλιάς 1 Εισαγωγικές έννοιες Κάθε έγγραφο d της συλλογής παριστάνεται από το δυαδικό διάνυσμα x = (x 1, x 2,...,
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 περισσότεραΑΣΚΗΣΗ Α. Δεικτοδότηση Συλλογής Κειμένων σε Ανεστραμμένο Ευρετήριο
Γλωσσική Τεχνολογία Ακαδημαϊκό Έτος 2009-2010 ΑΣΚΗΣΗ Α Δεικτοδότηση Συλλογής Κειμένων σε Ανεστραμμένο Ευρετήριο Τα ανεστραμμένα αρχεία αποτελούν μια βασική μορφή ευρετηρίου και μας επιτρέπουν να εντοπίσουμε
Διαβάστε περισσότεραΦροντιστήριο 4. Άσκηση 1. Λύση. Πανεπιστήµιο Κρήτης, Τµήµα Επιστήµης Υπολογιστών HY463 - Συστήµατα Ανάκτησης Πληροφοριών Εαρινό Εξάµηνο
Πανεπιστήµιο Κρήτης, Τµήµα Επιστήµης Υπολογιστών HY463 - Συστήµατα Ανάκτησης Πληροφοριών 2007-2008 Εαρινό Εξάµηνο Άσκηση 1 Φροντιστήριο 4 Θεωρείστε ένα έγγραφο με περιεχόμενο «αυτό είναι ένα κείμενο και
Διαβάστε περισσότεραΕπεξεργασία & Οργάνωση Δεδομένων Κειμένου
Επεξεργασία & Οργάνωση Δεδομένων Εφαρμογές Γλωσσικής Τεχνολογίας Σοφία Στάμου Γλώσσα και Επικοινωνία Κάθε γλωσσικό σύστημα διέπεται από κανόνες για τη χρήση, τη σύνταξη και την ερμηνεία των λέξεων Γιατί
Διαβάστε περισσότεραInformation 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 περισσότεραΤι (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 περισσότεραΛύσεις 1 ης Σειράς Ασκήσεων (Αξιολόγηση της Αποτελεσµατικότητας της Ανάκτησης)
Πανεπιστήµιο Κρήτης, Τµήµα Επιστήµης Υπολογιστών ΗΥ-6 Συστήµατα Ανάκτησης Πληροφοριών 7-8 Εαρινό Εξάµηνο Άσκηση Λύσεις ης Σειράς Ασκήσεων (Αξιολόγηση της Αποτελεσµατικότητας της Ανάκτησης) Θεωρείστε µια
Διαβάστε περισσότεραΛύση (από: Τσιαλιαμάνης Αναγνωστόπουλος Πέτρος) (α) Το trie του λεξιλογίου είναι
Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών HY463 - Συστήματα Ανάκτησης Πληροφοριών 2006-2007 Εαρινό Εξάμηνο 3 η Σειρά ασκήσεων (Ευρετηρίαση, Αναζήτηση σε Κείμενα και Άλλα Θέματα) (βαθμοί 12: όποιος
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 περισσότεραΔιακριτός Μετασχηματισμός Fourier
Διακριτός Μετασχηματισμός Fourier 1 Διακριτός Μετασχηματισμός Fourier Ο μετασχηματισμός Fourier αποτελεί τον ακρογωνιαίο λίθο της επεξεργασίας σήματος αλλά και συχνή αιτία πονοκεφάλου για όσους πρωτοασχολούνται
Διαβάστε περισσότεραΠαλαιότερες ασκήσεις
Πανεπιστήµιο Κρήτης, Τµήµα Επιστήµης Υπολογιστών HY6 - Συστήµατα Ανάκτησης Πληροφοριών Παλαιότερες ασκήσεις η Σειρά Ασκήσεων (Αξιολόγηση της Αποτελεσµατικότητας της Ανάκτησης) Άσκηση ( η σειρά ασκήσεων
Διαβάστε περισσότεραΤμήμα Μηχανικών Οικονομίας και Διοίκησης Εφαρμοσμένη Θεωρία Πινάκων. Quiz 3. Σύντομες Λύσεις
Τμήμα Μηχανικών Οικονομίας και Διοίκησης Εφαρμοσμένη Θεωρία Πινάκων Γ. Καραγιώργος ykarag@aegean.gr Quiz Σύντομες Λύσεις Άσκηση. Δείξτε ότι η απεικόνιση u, v = u v + 5u v, όπου u = (u, u ), v = (v, v ),
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΡΓΑΣΙΑ 1 η Ημερομηνία Αποστολής στον Φοιτητή: 17 Οκτωβρίου 2011
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΕΡΓΑΣΙΑ η Ημερομηνία Αποστολής στον Φοιτητή: 7 Οκτωβρίου 0 Ημερομηνία παράδοσης της Εργασίας: 5 Νοεμβρίου 0 Οι ασκήσεις
Διαβάστε περισσότεραΕργασία Μαθήματος Αξία: 40% του τελικού σας βαθμού Ανάθεση: Παράδοση:
Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών ΗΥ463 Συστήματα Ανάκτησης Πληροφοριών 2009-2010 Φθινοπωρινό Εξάμηνο Εργασία Μαθήματος Αξία: 40% του τελικού σας βαθμού Ανάθεση: Παράδοση: Σκοπός αυτής της
Διαβάστε περισσότεραΜΟΝΤΕΛΑ ΑΝΑΚΤΗΣΗΣ ΠΛΗΡΟΦΟΡΙΑΣ. Κεφάλαιο 2 του βιβλίου. 2 ο ΜΕΡΟΣ
ΜΟΝΤΕΛΑ ΑΝΑΚΤΗΣΗΣ ΠΛΗΡΟΦΟΡΙΑΣ Διαφάνειες του καθ. Γιάννη Τζίτζικα (Παν. Κρήτης) http://www.ics.forth.gr/~tzitzik/ Για το πιθανοκρατικό του καθ. Απ. Παπαδόπουλου (Αριστοτέλειο Παν.) Κεφάλαιο 2 του βιβλίου
Διαβάστε περισσότεραΜαθηµατικά Β Λυκείου Θετικής - τεχνολογικής κατεύθυνσης. Διανύσματα ΚΑΤΗΓΟΡΙΑ 8. Εσωτερικό γινόµενο διανυσµάτων. Ασκήσεις προς λύση 1-50
Μαθηµατικά Β Λυκείου Θετικής - τεχνολογικής κατεύθυνσης Διανύσματα Εσωτερικό γινόµενο διανυσµάτων. ΚΑΤΗΓΟΡΙΑ 8 Ασκήσεις προς λύση 1-50 1. Θεωρούμε τα σημεία Α(1,2), Β(4,1). Να βρείτε σημείο Μ του άξονα
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 περισσότεραΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι (ΠΕΡΙΤΤΟΙ) Ασκησεις - Φυλλαδιο 4
ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι Τµηµα Β (ΠΕΡΙΤΤΟΙ) Ασκησεις - Φυλλαδιο 4 ιδασκων: Α Μπεληγιάννης Ιστοσελιδα Μαθηµατος : http://usersuoigr/abeligia/linearalgebrai/lai217/lai217html Παρασκευή 17 Νοεµβρίου 217 Ασκηση
Διαβάστε περισσότεραΜΥΕ003: Ανάκτηση Πληροφορίας Διδάσκουσα: Ευαγγελία Πιτουρά. Κεφάλαια 6, 7: Βαθμολόγηση. Στάθμιση όρων. Το μοντέλο διανυσματικού χώρου.
ΜΥΕ003: Ανάκτηση Πληροφορίας Διδάσκουσα: Ευαγγελία Πιτουρά Κεφάλαια 6, 7: Βαθμολόγηση. Στάθμιση όρων. Το μοντέλο διανυσματικού χώρου. 1 Κεφ. 6 Τι θα δούμε σήμερα; Βαθμολόγηση και κατάταξη εγγράφων Στάθμιση
Διαβάστε περισσότεραΑΣΚΗΣΗ. Συγκομιδή και δεικτοδότηση ιστοσελίδων
Γλωσσική Τεχνολογία Ακαδημαϊκό Έτος 2010-2011 ΑΣΚΗΣΗ Συγκομιδή και δεικτοδότηση ιστοσελίδων Σκοπός της άσκησης είναι η υλοποίηση ενός ολοκληρωμένου συστήματος συγκομιδής και δεικτοδότησης ιστοσελίδων.
Διαβάστε περισσότερα7. Υπολογισμός Βαθμολογιών σε ένα Πλήρες Σύστημα Αναζήτησης
Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων 7. Υπολογισμός Βαθμολογιών σε ένα Πλήρες Σύστημα Αναζήτησης Ανάκτηση Πληροφοριών Χρήστος ουλκερίδης Τμήμα
Διαβάστε περισσότεραX = {(x 1, x 2 ) x 1 + 2x 2 = 0}.
Γραμμική Άλγεβρα ΙΙ Διάλεξη 4 Χρήστος Κουρουνιώτης Πανεπιστήμιο Κρήτης 26/2/2014 Χ.Κουρουνιώτης (Παν.Κρήτης) Διάλεξη 4 26/2/2014 1 / 12 Υποσύνολα ενός διανυσματικού χώρου. Πότε είναι ένα υποσύνολο X ενός
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 περισσότεραΤμήμα Μηχανικών Οικονομίας και Διοίκησης Εφαρμοσμένη Θεωρία Πινάκων. Quiz 2. Σύντομες Λύσεις
Τμήμα Μηχανικών Οικονομίας και Διοίκησης Εφαρμοσμένη Θεωρία Πινάκων Γ. Καραγιώργος ykarag@aegean.gr Quiz 2 Σύντομες Λύσεις Άσκηση 1. Βρείτε μία βάση και τη διάσταση, για τους διανυσματικούς χώρους M 3
Διαβάστε περισσότεραΜΥΕ003: Ανάκτηση Πληροφορίας. Διδάσκουσα: Ευαγγελία Πιτουρά Κεφάλαιο 11: Πιθανοτική ανάκτηση πληροφορίας.
ΜΥΕ003: Ανάκτηση Πληροφορίας Διδάσκουσα: Ευαγγελία Πιτουρά Κεφάλαιο : Πιθανοτική ανάκτηση πληροφορίας. Κεφ. Πιθανοτική Ανάκτηση Πληροφορίας Βασική ιδέα: Διάταξη εγγράφων με βάση την πιθανότητα να είναι
Διαβάστε περισσότεραΕισαγωγή στην Επεξεργασία Ερωτήσεων. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1
Εισαγωγή στην Επεξεργασία Ερωτήσεων 1 Επεξεργασία Ερωτήσεων Θα δούμε την «πορεία» μιας SQL ερώτησης (πως εκτελείται) Ερώτηση SQL Ερώτηση ΣΒΔ Αποτέλεσμα 2 Βήματα Επεξεργασίας Τα βασικά βήματα στην επεξεργασία
Διαβάστε περισσότερα1. Για καθένα από τους ακόλουθους διανυσματικούς χώρους βρείτε μια βάση και τη διάσταση. 3. U x y z x y z x y. {(,, ) } a b. c d
Γραμμική Άλγεβρα Ι, 07-8 Ασκήσεις6: Βάση και Διάσταση Βασικά σημεία Βάση διανυσματικού χώρου (ορισμός, παραδείγματα, μοναδικότητα συντελεστών) Θεώρημα (ύπαρξη, πρώτη μορφή) Έστω V K μη μηδενικός με K πεπερασμένο
Διαβάστε περισσότεραInformation Retrieval
Introduction to Information Retrieval ΠΛΕ70: Ανάκτηση Πληροφορίας Διδάσκουσα: Ευαγγελία Πιτουρά Διάλεξη 8: Θέματα Υλοποίησης. Περίληψη Αποτελεσμάτων. 1 Κεφ. 6 Τι είδαμε στο προηγούμενο μάθημα Βαθμολόγηση
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 περισσότεραΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι (ΑΡΤΙΟΙ) Ασκησεις - Φυλλαδιο 4
ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι Τµηµα Β (ΑΡΤΙΟΙ) Ασκησεις - Φυλλαδιο 4 ιδασκων: Α Μπεληγιάννης Ιστοσελιδα Μαθηµατος : http://usersuoigr/abeligia/linearalgebrai/lai218/lai218html Παρασκευή 23 Νοεµβρίου 218 Ασκηση 1
Διαβάστε περισσότερα,..., v n. W πεπερασμένα παραγόμενοι και dimv. Τα ακόλουθα είναι ισοδύναμα f είναι ισομορφιμός. f είναι 1-1. f είναι επί.
Γραμμική Άλγεβρα Ι, 07-8 Ασκήσεις7: Γραμμικές Απεικονίσεις Βασικά σημεία Ορισμός και παραδείγματα γραμμικών απεικονίσεων Σύνθεση γραμμικών απεικονίσεων, ισομορφισμοί Κάθε γραμμική απεικόνιση f : V W, όπου
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 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 περισσότεραΗ ακρίβεια ορίζεται σαν το πηλίκο των ευρεθέντων συναφών εγγράφων προς τα ευρεθέντα έγγραφα. Άρα για τα τρία συστήµατα έχουµε τις εξής τιµές:
Πανεπιστήµιο Κρήτης, Τµήµα Επιστήµης Υπολογιστών HY463 - Συστήµατα Ανάκτησης Πληροφοριών 2005-2006 Εαρινό Εξάµηνο 1 η Σειρά Ασκήσεων (Αξιολόγηση Αποτελεσµατικότητας Ανάκτησης) Άσκηση 1 (4 βαθµοί) Θεωρείστε
Διαβάστε περισσότεραΕφαρμοσμένα Μαθηματικά ΙΙ Τελική Εξέταση Ι. Λυχναρόπουλος
9/6/5 Εφαρμοσμένα Μαθηματικά ΙΙ Τελική Εξέταση Ι. Λυχναρόπουλος Άσκηση (Μονάδες ) 5 Δίνεται ο πίνακας A 5. Αν διαγωνοποιείται να τον διαγωνοποιήσετε και στη συνέχεια να k υπολογίσετε το A όπου k θετικός
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΕ ΕΦΑΡΜΟΓΕΣ ΣΤΗ ΒΙΟΙΑΤΡΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΕ ΕΦΑΡΜΟΓΕΣ ΣΤΗ ΒΙΟΙΑΤΡΙΚΗ ΑΣΚΗΣΕΙΣ ΓΡΑΜΜΙΚΗΣ ΑΛΓΕΒΡΑΣ - Διανυσματικοί Χώροι Διδάσκουσα : Δρ Μ Αδάμ Λαμία, 6//05 Έστω = (,,), = (0,,)
Διαβάστε περισσότερα1 ιαδικασία διαγωνιοποίησης
ιαδικασία διαγωνιοποίησης Εστω V ένας R-διανυσματικός χώρος (ή έναςc-διανυσματικός χώρος) διάστασης n. Είναι γνωστό ότι κάθε διάνυσμα (,,..., n ) του χώρου V μπορεί να παρασταθεί και σαν πίνακας στήλη
Διαβάστε περισσότεραw w u u w u = 1 w v = 0 u v = (w 1, w 2,..., w N ) a β k V β i,j = p(w j = 1 z i = 1) θ d Dir(a) Dir(a) z d,n multi(θ d ) V w d,n β zd,n p(θ,, a, β) = p(θ,, a, β) p( a, β) similarity = (A, B) = AB A
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 περισσότεραΣυστήματα Ανάκτησης Πληροφοριών ΗΥ-463
ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ COMPUTER SCIENCE DEPARTMENT UNIVERSITY OF CRETE Συστήματα Ανάκτησης Πληροφοριών ΗΥ-463 4 η Σειρά Ασκήσεων Ψαράκη Μαρία-Γεωργία ΜΕΤ 556 psaraki@csd.uoc.gr Εαρινό Εξάμηνο 2008-2009
Διαβάστε περισσότεραΠίνακες Διασποράς. Χρησιμοποιούμε ένα πίνακα διασποράς T και μια συνάρτηση διασποράς h. Ένα στοιχείο με κλειδί k αποθηκεύεται στη θέση
Πίνακες Διασποράς Χρησιμοποιούμε ένα πίνακα διασποράς T και μια συνάρτηση διασποράς h Ένα στοιχείο με κλειδί k αποθηκεύεται στη θέση κλειδί k T 0 1 2 3 4 5 6 7 U : χώρος πιθανών κλειδιών Τ : πίνακας μεγέθους
Διαβάστε περισσότεραΑσκήσεις μελέτης της 4 ης διάλεξης. ), για οποιοδήποτε μονοπάτι n 1
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Μάθημα: Τεχνητή Νοημοσύνη, 2016 17 Διδάσκων: Ι. Ανδρουτσόπουλος Ασκήσεις μελέτης της 4 ης διάλεξης 4.1. (α) Αποδείξτε ότι αν η h είναι συνεπής, τότε h(n
Διαβάστε περισσότεραΚινητές επικοινωνίες. Κεφάλαιο 7 Άσκηση επανάληψης Καθολική σχεδίαση δικτύου
Κινητές επικοινωνίες Κεφάλαιο 7 Άσκηση επανάληψης Καθολική σχεδίαση δικτύου 1 Σχεδίαση συστήματος Η εταιρία μας θέλει να καλύψει με κυψελωτό σύστημα τηλεφωνίας μία πόλη επιφάνειας 20000 km 2 (συχνότητα
Διαβάστε περισσότεραΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (ΗΥ-119)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ ΙΩΑΝΝΗΣ Α ΤΣΑΓΡΑΚΗΣ ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (ΗΥ-119) ΜΕΡΟΣ 6: ΓΡΑΜΜΙΚΕΣ ΑΠΕΙΚΟΝΙΣΕΙΣ ΣΗΜΕΙΩΣΕΙΣ ΑΠΟ ΤΙΣ ΠΑΡΑΔΟΣΕΙΣ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΗΡΑΚΛΕΙΟ
Διαβάστε περισσότεραΜοντελοποίηση. Μοντέλα IR που έχουν προταθεί και χρησιµοποιούνται από υπάρχοντα συστήµατα.
Μοντελοποίηση Μοντέλα I που έχουν προταθεί και χρησιµοποιούνται από υπάρχοντα συστήµατα. Ταξινόµηση Μοντέλων I etreval Browsng Κλασικά Μοντέλα Boolean Vector robablstc οµικά Μοντέλα Non-Overlappng Lsts
Διαβάστε περισσότεραΜία αξιωματική προσέγγιση για τη διαφοροποίηση των αποτελεσμάτων
Μία αξιωματική προσέγγιση για τη διαφοροποίηση των αποτελεσμάτων ΜΑΘΗΜΑ Ανάκτηση Πληροφορίας Παππάς Χρήστος Ιωάννινα, Ιανουάριος 2010 Διάρθρωση Εισαγωγή Πρόβλημα Σημαντικότητα Ενδιαφέροντα θέματα Τεχνικό
Διαβάστε περισσότεραΑνάκτηση πολυμεσικού περιεχομένου
Ανάκτηση πολυμεσικού περιεχομένου Ανίχνευση / αναγνώριση προσώπων Ανίχνευση / ανάγνωση κειμένου Ανίχνευση αντικειμένων Οπτικές λέξεις Δεικτοδότηση Σχέσεις ομοιότητας Κατηγοριοποίηση ειδών μουσικής Διάκριση
Διαβάστε περισσότεραPosting 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 περισσότερα2.0 ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΧΩΡΟΙ ΚΑΙ ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ
.0 ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΧΩΡΟΙ ΚΑΙ ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ Έστω διανύσματα που ανήκουν στο χώρο δ i = ( a i, ai,, ai) i =,,, και έστω γραμμικός συνδυασμός των i : xδ + x δ + + x δ = b που ισούται με το διάνυσμα b,
Διαβάστε περισσότεραKεφάλαιο 4. Συστήματα διαφορικών εξισώσεων. F : : F = F r, όπου r xy
4 Εισαγωγή Kεφάλαιο 4 Συστήματα διαφορικών εξισώσεων Εστω διανυσματικό πεδίο F : : F = Fr, όπου r x, και είναι η ταχύτητα στο σημείο πχ ενός ρευστού στο επίπεδο Εστω ότι ψάχνουμε τις τροχιές κίνησης των
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 1 Ο ΔΙΑΝΥΣΜΑΤΑ
ΘΕΜΑΤΑ ΚΑΙ ΑΠΑΝΤΗΣΕΙΣ ΤΗΣ ΤΡΑΠΕΖΑΣ ΘΕΜΑΤΩΝ ΓΙΑ ΤΑ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΟΥ Β ΛΥΚΕΙΟΥ ΣΧΟΛΙΚΟ ΕΤΟΣ 014-015 ΚΕΦΑΛΑΙΟ 1 Ο ΔΙΑΝΥΣΜΑΤΑ 1. ΘΕΜΑ ΚΩΔΙΚΟΣ_18556 Δίνονται τα διανύσματα α και β με ^, και,. α Να
Διαβάστε περισσότεραΜΥΕ003: Ανάκτηση Πληροφορίας
ΜΥΕ003: Ανάκτηση Πληροφορίας Διδάσκουσα: Ευαγγελία Πιτουρά Κεφάλαια 6, 7, 8.7: Βαθμολόγηση. Στάθμιση όρων. Το μοντέλο διανυσματικού χώρου. Περιλήψεις. 1 Κεφ. 6 Τι θα δούμε σήμερα; Βαθμολόγηση και κατάταξη
Διαβάστε περισσότεραΑσκήσεις2 8. ; Αληθεύει ότι το (1, 0, 1, 2) είναι ιδιοδιάνυσμα της f ; b. Να βρεθούν οι ιδιοτιμές και τα ιδιοδιανύσματα της γραμμικής απεικόνισης 3 3
Ασκήσεις 8 Ασκήσεις Ιδιοτιμές και ιδιοδιανύσματα Βασικά σημεία Ορισμός ιδιοτιμων και ιδιοδιανυσμάτων, υπολογισμός τους Σε διακεκριμένες ιδιοτιμές αντιστοιχούν γραμμικά ανεξάρτητα ιδιοδιανύσματα Αν ΑΧ=λΧ,
Διαβάστε περισσότεραΔιαγωνοποίηση μητρών. Στοιχεία Γραμμικής Άλγεβρας
Διαγωνοποίηση μητρών Στοιχεία Γραμμικής Άλγεβρας Όμοιες μήτρες Ορισμός: Οι τετραγωνικές μήτρες Α=[α ij ] nxn & B=[b ij ] nxn όμοιες (Α~Β): αν υπάρχει ομαλή μήτρα Ρ τ.ώ. Β = Ρ -1 Α Ρ A~B Β~ Α Ρ ομαλή μήτρα
Διαβάστε περισσότεραΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΣΤΟΝ ΠΑΓΚΟΣΜΙΟ ΙΣΤΟ & ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ
ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΣΤΟΝ ΠΑΓΚΟΣΜΙΟ ΙΣΤΟ & ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ 5//013 ο ΓΛΩΣΣΑ ΚΑΙ ΑΝΑΖΗΤΗΣΗ ΠΛΗΡΟΦΟΡΙΑΣ Ενότητες Εισαγωγή Συστήματα Aνάκτησης πληροφορίας Κατασκευή ερωτημάτων Δεικτοδότηση Αναζήτηση στο
Διαβάστε περισσότεραΓραµµικη Αλγεβρα ΙΙ Ασκησεις - Φυλλαδιο 10
Γραµµικη Αλγεβρα ΙΙ Ασκησεις - Φυλλαδιο 0 Επαναληπτικες Ασκησεις ιδασκοντες: Ν Μαρµαρίδης - Α Μπεληγιάννης Βοηθοι Ασκησεων: Χ Ψαρουδάκης Ιστοσελιδα Μαθηµατος : http://usersuoigr/abeligia/linearalgebraii/laiihtml
Διαβάστε περισσότεραΣυμπίεση Δεδομένων
Συμπίεση Δεδομένων 2014-2015 Κβάντιση Δρ. Ν. Π. Σγούρος 2 Άσκηση 5.1 Για ένα σήμα που έχει τη σ.π.π. του σχήματος να υπολογίσετε: μήκος του δυαδικού κώδικα για Ν επίπεδα κβάντισης για σταθερό μήκος λέξης;
Διαβάστε περισσότερα- ΟΡΙΟ - ΣΥΝΕΧΕΙΑ ΣΥΝΑΡΤΗΣΗΣ ΕΝΟΤΗΤΑ 6: ΜΗ ΠΕΠΕΡΑΣΜΕΝΟ ΟΡΙΟ ΣΤΟ
ΚΕΦΑΛΑΙΟ ο: ΣΥΝΑΡΤΗΣΕΙΣ - ΟΡΙΟ - ΣΥΝΕΧΕΙΑ ΣΥΝΑΡΤΗΣΗΣ ΕΝΟΤΗΤΑ 6: ΜΗ ΠΕΠΕΡΑΣΜΕΝΟ ΟΡΙΟ ΣΤΟ R - ΟΡΙΟ ΣΥΝΑΡΤΗΣΗΣ ΣΤΟ ΑΠΕΙΡΟ - ΠΕΠΕΡΑΣΜΕΝΟ ΟΡΙΟ ΑΚΟΛΟΥΘΙΑΣ [Κεφ..6: Μη Πεπερασμένο Όριο στο R - Κεφ..7: Όρια Συνάρτησης
Διαβάστε περισσότεραΚατ οίκον Εργασία 1 Σκελετοί Λύσεων
ΕΠΛ 1 Δομές Δεδομένων και Αλγόριθμοι Σεπτέμβριος 009 Κατ οίκον Εργασία 1 Σκελετοί Λύσεων Άσκηση 1 Αρχικά θα πρέπει να υπολογίσουμε τον αριθμό των πράξεων που μπορεί να εκτελέσει ο υπολογιστής σε μια ώρα,
Διαβάστε περισσότεραILP-Feasibility conp
Διάλεξη 19: 23.12.2014 Θεωρία Γραμμικού Προγραμματισμού Γραφέας: Χαρίλαος Τζόβας Διδάσκων: Σταύρος Κολλιόπουλος 19.1 Θεωρία Πολυπλοκότητας και προβλήματα απόφασης Για να μιλήσουμε για προβλήματα και τον
Διαβάστε περισσότεραΕυρετηρίαση, 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 περισσότεραΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι (ΑΡΤΙΟΙ) Ασκησεις - Φυλλαδιο 6
ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι Τµηµα Β (ΑΡΤΙΟΙ) Ασκησεις - Φυλλαδιο 6 ιδασκων: Α Μπεληγιάννης Ιστοσελιδα Μαθηµατος : http://usersuoigr/abeligia/linearalgebrai/lai2018/lai2018html Παρασκευή 7 εκεµβρίου 2018 Ασκηση
Διαβάστε περισσότεραΑσκήσεις μελέτης της 16 ης διάλεξης
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Μάθημα: Τεχνητή Νοημοσύνη, 016 17 Διδάσκων: Ι. Ανδρουτσόπουλος Ασκήσεις μελέτης της 16 ης διάλεξης 16.1. (α) Έστω ένα αντικείμενο προς κατάταξη το οποίο
Διαβάστε περισσότεραΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι (ΠΕΡΙΤΤΟΙ) Λυσεις Ασκησεων - Φυλλαδιο 6
ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι Τµηµα Β (ΠΕΡΙΤΤΟΙ) Λυσεις Ασκησεων - Φυλλαδιο 6 ιδασκων: Α Μπεληγιάννης Ιστοσελιδα Μαθηµατος : http://usersuoigr/abeligia/linearalgebrai/lai2017/lai2017html Παρασκευή 15 εκεµβρίου 2017
Διαβάστε περισσότεραΟν/μο: Θετ-Τεχν. ΘΕΜΑ 1 0
ΔΙΑΓΩΝΙΣΜΑ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ 5 Υλη: Μιγαδικοί Γ Λυκείου Ον/μο:.. 9-0-3 Θετ-Τεχν. ΘΕΜΑ 0 Α. Να αποδείξετε ότι : «Η διανυσματική ακτίνα της διαφοράς των μιγαδικών i και i είναι η διαφορά των διανυσματικών ακτινών
Διαβάστε περισσότεραΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ ΙΙ (ΠΕΡΙΤΤΟΙ) Ασκησεις - Φυλλαδιο 9 Επαναληπτικες Ασκησεις
ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ ΙΙ Τµηµα Β ΠΕΡΙΤΤΟΙ Ασκησεις - Φυλλαδιο 9 Επαναληπτικες Ασκησεις ιδασκων: Α Μπεληγιάννης Ιστοσελιδα Μαθηµατος : http://usersuoigr/abeligia/linearalgebraii/laii8/laii8html Παρασκευή 4 Ιουνίου
Διαβάστε περισσότεραΚεφάλαιο 4 Διανυσματικοί Χώροι
Κεφάλαιο Διανυσματικοί Χώροι Διανυσματικοί χώροι - Βασικοί ορισμοί και ιδιότητες Θεωρούμε τρία διαφορετικά σύνολα: Διανυσματικοί Χώροι α) Το σύνολο διανυσμάτων (πινάκων με μία στήλη) με στοιχεία το οποίο
Διαβάστε περισσότεραΓραμμική Άλγεβρα Ενότητα 2: Διανυσματικοί χώροι
Γραμμική Άλγεβρα Ενότητα 2: Διανυσματικοί χώροι Ευάγγελος Ράπτης Τμήμα Πληροφορικής 5 Μάθημα 5 Τετάρτη 10 Οκτωβρίου 2012 Με το σημερινό 9 μάθημα αρχίζουμε τη μελέτη των Διανυσματικών χώρων, μία πολύ βασική
Διαβάστε περισσότεραn = dim N (A) + dim R(A). dim V = dim ker L + dim im L.
Γραμμική Άλγεβρα ΙΙ Διάλεξη 9 Γραμμικοί Ισομορφισμοί Χρήστος Κουρουνιώτης Πανεπιστήμιο Κρήτης 19/3/2014 Χ.Κουρουνιώτης (Παν.Κρήτης) Διάλεξη 9 19/3/2014 1 / 12 Γραμμικές απεικονίσεις και υπόχωροι Εικόνα
Διαβάστε περισσότεραΜΑΘΗΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ
ΜΑΘΗΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ ΚΕΦΑΛΑΙΟ 1 ο : ΔΙΑΝΥΣΜΑΤΑ 1 ΜΑΘΗΜΑ 1 ο +2 ο ΕΝΝΟΙΑ ΔΙΑΝΥΣΜΑΤΟΣ Διάνυσμα ορίζεται ένα προσανατολισμένο ευθύγραμμο τμήμα, δηλαδή ένα ευθύγραμμο τμήμα
Διαβάστε περισσότεραΑσκήσεις μελέτης της 19 ης διάλεξης
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Μάθημα: Τεχνητή Νοημοσύνη, 2016 17 Διδάσκων: Ι. Ανδρουτσόπουλος Ασκήσεις μελέτης της 19 ης διάλεξης 19.1. Δείξτε ότι το Perceptron με (α) συνάρτηση ενεργοποίησης
Διαβάστε περισσότεραΚεφάλαιο 4 Διανυσματικοί Χώροι
Κεφάλαιο Διανυσματικοί χώροι - Βασικοί ορισμοί και ιδιότητες Θεωρούμε τρία διαφορετικά σύνολα: α) Το σύνολο διανυσμάτων (πινάκων με μία στήλη) με στοιχεία το οποίο συμβολίζουμε με Σε αυτό το σύνολο γνωρίζουμε
Διαβάστε περισσότερα2.1 2.2 ΕΝΝΟΙΑ ΤΟΥ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ ΠΡΑΞΕΙΣ ΣΤΟ ΣΥΝΟΛΟ ΤΩΝ ΜΙΓΑΔΙΚΩΝ
ΚΕΦΑΛΑΙΟ Ο : ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ - ΕΝΟΤΗΤΕΣ :.... ΕΝΝΟΙΑ ΤΟΥ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ ΠΡΑΞΕΙΣ ΣΤΟ ΣΥΝΟΛΟ ΤΩΝ ΜΙΓΑΔΙΚΩΝ ΜΕΘΟΔΟΛΟΓΙΑ : ΠΡΑΓΜΑΤΙΚΟ & ΦΑΝΤΑΣΤΙΚΟ ΜΕΡΟΣ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ Έστω ένας μιγαδικός αριθμός,
Διαβάστε περισσότεραΠαραδείγματα Διανυσματικοί Χώροι
Παραδείγματα 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: με V και
Διαβάστε περισσότεραInformation Retrieval
Introduction to Information Retrieval ΜΥΕ003-ΠΛΕ70: Ανάκτηση Πληροφορίας Διδάσκουσα: Ευαγγελία Πιτουρά Διάλεξη 6-7: Βαθμολόγηση. Στάθμιση όρων. Το μοντέλο διανυσματικού χώρου. 1 Κεφ. 6 Τι θα δούμε σήμερα;
Διαβάστε περισσότεραΚεφάλαιο 2. Διανύσματα και Συστήματα Συντεταγμένων
Κεφάλαιο 2 Διανύσματα και Συστήματα Συντεταγμένων Διανύσματα Διανυσματικά μεγέθη Φυσικά μεγέθη που έχουν τόσο αριθμητικές ιδιότητες όσο και ιδιότητες κατεύθυνσης. Σε αυτό το κεφάλαιο, θα ασχοληθούμε με
Διαβάστε περισσότεραΚεφάλαιο 2. Διανύσματα και Συστήματα Συντεταγμένων
Κεφάλαιο 2 Διανύσματα και Συστήματα Συντεταγμένων Διανύσματα Διανυσματικά μεγέθη Φυσικά μεγέθη που έχουν τόσο αριθμητικές ιδιότητες όσο και ιδιότητες κατεύθυνσης. Σε αυτό το κεφάλαιο, θα ασχοληθούμε με
Διαβάστε περισσότεραΜη γράφετε στο πίσω μέρος της σελίδας
Εισαγωγή στο Σχεδιασμό & την Ανάλυση Αλγορίθμων Εξέταση Φεβρουαρίου 2016 Σελ. 1 από 7 Στη σελίδα αυτή γράψτε μόνο τα στοιχεία σας. Γράψτε τις απαντήσεις σας στις επόμενες σελίδες, κάτω από τις αντίστοιχες
Διαβάστε περισσότερα