Θοδωρής Πιτικάρης, Ιωάννης Τσαγκατάκης, Μιχάλης Νικητάκης, Γιώργος Παπαδουράκης Α. Τ. Ε. Ι ΚΡΗΤΗΣ

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Θοδωρής Πιτικάρης, Ιωάννης Τσαγκατάκης, Μιχάλης Νικητάκης, Γιώργος Παπαδουράκης Α. Τ. Ε. Ι ΚΡΗΤΗΣ"

Transcript

1 11ο ΠΑΝΕΛΛΗΝΙΟ ΣΥΝΕΔΡΙΟ ΑΚΑΔΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ Θοδωρής Πιτικάρης, Ιωάννης Τσαγκατάκης, Μιχάλης Νικητάκης, Γιώργος Παπαδουράκης Α. Τ. Ε. Ι ΚΡΗΤΗΣ Theodoris Pitikaris, John Tsagatakis, Michael Nikitakis, George Papadourakis Technological Educational Institute of Crete Ψηφιακές βιβλιοθήκες: ανάκτηση πληροφοριών με neural network Digital libraries: information retrieval with neural network ΠΕΡΙΛΗΨΗ Μια από τις μεγαλύτερες προκλήσεις για την επιστήμη της βιβλιοθηκονομίας, είναι η διαχείριση του συνεχούς αυξανόμενου όγκου πληροφορίας που συγκεντρώνεται στις ψηφιακές βιβλιοθήκες. Οι νέες τεχνολογίες ψηφιοποίησης και παροχής πληροφορίας επηρεάζουν την λειτουργία και την οργάνωση των βιβλιοθηκών. Βασικός στόχος των βιβλιοθηκών δεν είναι μόνο η ανάπτυξη και η διατήρηση έντυπων και ηλεκτρονικών συλλογών αλλά η δυνατότητα παροχής και ανάκτηση πληροφοριών από αυτές. Πέραν από τις κλασικές μεθόδους αναζήτησης και ανάκτησης έχουν αρχίσει να κάνουν την εμφάνιση τους εξελιγμένες εφαρμογές βασισμένες στα τεχνητά νευρωνικά δίκτυα. Τα νευρωνικά δίκτυα είναι μια μορφή τεχνητής νοημοσύνης, μια προσομοίωση της ανθρώπινης νόησης. Η εφαρμογή τους στο χώρο της βιβλιοθηκονομίας έχει ως στόχο την αναζήτηση ανάκτηση και παρουσίαση πληροφοριών, με τρόπο τέτοιο που να παρουσιάζει με ακρίβεια την σχετικότητα τους ως προς το ζητούμενο θέμα και μάλιστα να συσχετίζει φορείς πληροφορίας που πιθανά να μην αναφέρονται απευθείας στο θέμα αλλά να παρουσιάζουν νοηματική ενότητα με αυτό. Λέξεις κλειδιά: ( ψηφιακές βιβλιοθήκες, νευρωνικά δίκτυα, ανάκτηση πληροφοριών) ABSTRACT With the enormous increase in recent years in the number of text databases available on-line, and the consequent need for better techniques to access this information, there has been a strong resurgence of interest in the research done in the area of information retrieval (IR). Evolving from neuro-biological insights, neural network technology gives a computer system an amazing capacity to actually learn from input data. Artificial neural _ 219

2 ΠΕΜΠΤΗ 7 ΝΟΕΜΒΡΙΟΥ 2002 networks have provided solutions to problems normally requiring human observation and thought processes. Relevance feedback is a process where users identify relevant documents in an initial list of retrieved documents, and the system then creates a new query based on those sample relevant documents. Keywords: (digital libraries, neural network, information retrieval) Εισαγωγή Η εξέλιξη της επιστήμης των υπολογιστών και της πληροφόρησης προσέφερε στις βιβλιοθήκες νέα εργαλεία στην παραγωγή και διανομή πληροφορίας και γνώσης. Οι βιβλιοθήκες κάτω από αυτές τις συνθήκες βρίσκονται σε μια διαρκή αλλαγή τόσο σε διοικητικό όσο και λειτουργικό πεδίο. Η ψηφιοποίηση των συλλογών(έγγραφα, χάρτες, φωτογραφίες κτλ)τους και η διάθεσης τους μέσα από τον παγκόσμιο ιστό δημιουργεί νέα δεδομένα στην διαχείριση του κύκλου ζωής της πληροφορίας (παραγωγή, περιγραφή, πρόσβαση, ανάκτηση). Η ψηφιακή βιβλιοθήκη είναι ένα σύνολο υπηρεσιών που περιλαμβάνει την πρόσκτηση, την αποθήκευση, την πρόσβαση και διακίνηση πληροφορίας υλικού που είναι σε ψηφιακή μορφή. Το πλεονέκτημα μιας ψηφιακής βιβλιοθήκης δεν είναι μόνο η οργάνωση των πληροφοριών αλλά η εξασφάλιση εύκολης και ακριβής πρόσβασης σε αυτές. Η ανάγκη πληροφοριών (τι πραγματικά θέλει ο χρήστης),η εξαγωγή πληροφορίας, το φιλτράρισμα πληροφοριών(ακρίβεια δεδομένων μέσα από μεγάλο όγκο πληροφοριών ο χρήστης ανακτά αυτά που πραγματικά των ενδιαφέρουν) η διαλειτουργικότητα, η ταξινόμηση πληροφοριών, η αναπαράσταση πληροφορίας, η αξιολόγηση, είναι προβλήματα τα οποία ζητούν άμεσες λύσεις [2]. Την τελευταία δεκαετία με την αύξηση της παραγωγής πληροφόρησης η ακριβή και ταχεία πρόσβαση στις πληροφορίες γίνεται δυσκολότερη,τα γνωστά εργαλεία ανάκτησης πληροφοριών καθίστανται αδύναμα και αναποτελεσματικά με αποτέλεσμα ένα μεγάλος αριθμός πληροφοριών να μένει αναξιοποίητος ενώ ταυτόχρονα απαιτείται περισσότερος χρόνος για την αξιολόγηση τους Η ανάκτηση πληροφοριών στο κέντρο του ενδιαφέροντος Η ανάκτηση Πληροφοριών (information retrieval) εξετάζει την αντιπροσώπευση, την αποθήκευση, την οργάνωση και την πρόσβαση στα στοιχεία πληροφοριών. Η αντιπροσώπευση και η οργάνωση των στοιχείων πληροφοριών πρέπει να παρέχουν στο χρήστη την εύκολη πρόσβαση στις πληροφορίες για τις οποίες ενδιαφέρεται [13]. Η ανάκτηση στοιχείων πληροφοριών στα πλαίσια ενός συστήματος IR αποτελείται κυρίως από τον καθορισμό των εγγράφων μιας συλλογής τα όποια περιέχουν τις λέξεις κλει- 220

3 11ο ΠΑΝΕΛΛΗΝΙΟ ΣΥΝΕΔΡΙΟ ΑΚΑΔΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ διά στην ερώτηση του χρήστη τα οποία δεν είναι αρκετά για την κάλυψη των πληροφοριακών τους αναγκών. Στην πραγματικότητα ο χρήστης ενός συστήματος ανάκτηση πληροφοριών ανησυχεί περισσότερο με την ανάκτηση των πληροφοριών για ένα συγκεκριμένο θέμα από ότι με την ανάκτηση του στοιχείου που ικανοποιεί μια δεδομένη ερώτηση. Μια γλώσσα ανάκτησης στοιχείων στοχεύει στην ανάκτηση όλων των αντικειμένων που ικανοποιούν τους σαφώς καθορισμένους όρους όπως εκείνοι εμφανίζονται σε μια αλγοριθμική έκφραση [14]. Ο χρήστης ενός συστήματος ανάκτησης πληροφοριών πρέπει να μεταφράσει την πληροφοριακή του ανάγκη σε μια ερώτηση στην γλώσσα που παρέχεται από το σύστημα. Αυτό μεταφράζεται ως ένα σύνολο λέξεων που μεταβιβάζουν την σημασιολογίας της πληροφοριακής ερώτησης. Ένα σύστημα (1R) θα πρέπει να ερμηνεύει το περιεχόμενο ενός στοιχείου πληροφορίας που υπάρχει σε συλλογή κειμένων με βάση την σχετικότητα στην ερώτηση του χρήστη. Αυτή η ερμηνεία περιλαμβάνει την εξαγωγή των συντακτικών και σημασιολογικών πληροφοριών από ένα σύνολο εγγράφων και την χρησιμοποίηση αυτών των πληροφοριών που ταιριάζουν στην πληροφοριακή ανάγκη. Κατά συνέπεια η έννοια σχετική είναι στο κέντρο της ανάκτησης πληροφοριών. Στην πραγματικότητα στόχος ενός συστήματος ανάκτησης πληροφοριών είναι να ανακτηθούν όλα τα έγγραφα που είναι σχετικά με μία ερώτηση χρηστών ανακτώντας όσο το δυνατόν λιγότερα άσχετα έγγραφα[13]. Βιβλιοθήκες και συστήματα ανάκτησης πληροφοριών Οι βιβλιοθήκες ήταν μεταξύ των πρώτων που υιοθέτησαν τα συστήματα IR για τις πληροφορίες. Η πρώτη γενιά τέτοιων συστημάτων αφορούσε την αυτοματοποίηση του δελτίοκαταλόγου και επέτρεψαν την αναζήτηση με βάση τον συγγραφέα, τίτλο. Στην δεύτερη γενιά η ανάγκη για αποτελεσματικότερη αναζήτηση επέτρεψε την χρήση και την εξαγωγή αποτελεσμάτων με λέξεις κλειδιά. Σήμερα η εστίαση των ερευνών στρέφεται στην βελτίωση των γραφικών διεπαφών, στα χαρακτηριστικά γνωρίσματα υπερκειμένων που βασίζονται σε αρχιτεκτονικές ανοικτών συστημάτων. Εξετάζοντας τις μηχανές αναζήτησης διαπιστώνεται ότι συνεχίζουν να χρησιμοποιούν τους δείκτες των βιβλιοθηκονόμων. Πρέπει όμωςνα σημειωθεί ότι πολλά πράγματα έχουν αλλάξει σήμερα Καταρχάς η πρόσβαση στις πληροφορίες έγινε φτηνότερη ενώ υπάρχει καθολική πρόσβαση σ αυτές ανά πάσα στιγμή και από οποιοδήποτε σημείο κυρίως μέσω του διαδικτύου [1]. Τα προβλήματα πάντως δεν παύουν να υπάρχουν καταρχάς οι άνθρωποι βρίσκουν ακόμα δύσκολο το πώς να ψάχνουν και να βρίσκουν τις πληροφορίες που τους ενδιαφέρουν επομένως η ανάπτυξη τεχνικών που θα επιτρέπουν ανάκτηση υψηλή ποιότητας είναι το 221

4 ΠΕΜΠΤΗ 7 ΝΟΕΜΒΡΙΟΥ 2002 ενα βήμα και δεύτερο η ποιότητα του στόχου ανάκτηση επηρεάζεται πολύ από την αλληλεπίδραση χρηστών με το σύστημα. Ειδικότερα στο πρόβλημα της πολυγλωσσία των ψηφιακών στοιχείων που εμφανίζονται θα πρέπει να υιοθετηθούν αρχιτεκτονικές που σέβονται τη γλωσσική και πολιτιστική ποικιλομορφία. Η πολυγλωσσία είναι μια πτυχή του ευρύτερου ζητήματος της πολυπολιτισμικότητας, που περιλαμβάνει, παραδείγματος χάριν: [5] τρόπος με τον οποίο οι ημερομηνίες αντιπροσωπεύονται στα διαφορετικά ημερολόγια, Η κατεύθυνση στην οποία το κείμενο παρουσιάζεται και διαβάζεται, Πολιτιστικές υποδηλώσεις ορισμένων εικονιδίων και εικονογραμμάτων. To interface των πληροφοριακών συστημάτων θα πρέπει να είναι σε θέση να χειριστεί αιτήματα σε φυσική γλώσσα χωρίς αυτό να μειώνει την συνολική απόδοση του συστήματος. Ενα άλλο θέμα που προκύπτει είναι ότι θα πρέπει το οπτικό αποτέλεσμα της αναζήτησης να όινεται με τέτοιο τρόπο ώστε να υπάρχει ξεκάθαρη αναπαράσταση της σχετικότητας μεταξύ του θέματος αναζήτησης και των αποτελεσμάτων που εμφανίζονται οςτα συστήματα IR πρέπει να μπορούν να παρέχουν την δυνατότητα να χειριστούν κείμενα των οποίων η σημασιολογία δεν προέρχεται ή δεν συμφωνεί με τις προβλέψεις τυποποιημένων και ελεγχόμενων λεξιλογίων, ώστε να μπορεί να διευρύνει την εξαγωγή αποτελεσμάτων από έγγραφα τα οποία δεν περιέχουν άμεσες αναφορές προς το ζητούμενο θέμα (link Compaq) Κατά συνέπεια μια καλύτερη κατανόηση της συμπεριφοράς των χρηστών έχει επιπτώσεις στο σχεδιασμό και την επέκταση νέων τεχνικών ανάκτησης πληροφοριών. Απο τα παραπάνω γίνεται προφανές ότι η αύξηση του όγκου πληροφοριών δεν προκάλεσε μόνο προβλήματα αποθήκευσης, άλλα αφήνει ακόμα άλυτο το θέμα της βέλτιστης ανάκτησης. Σκοπός μας είναι να δοθεί μια πλήρη κάλυψη των σημαντικότερων ιδεών που έχουν εμφανιστεί για την αυτοματοποιημένη ανάκτηση πληροφοριών στην ψηφιακή εποχή άλλα συγχρόνως παρουσιάζεται μια μέθοδο ανάκτησης που στηρίζεται σε τεχνολογίες τεχνητής νοημοσύνης και ειδικότερα στα τεχνητά νευρωνικά δίκτυα (ΤΝΔ) Neural network Η διαδικασία της ανάκτησης _ Για την περιγραφή τηςδιαδικασίας της ανάκτησης είναι απαραίτητο να καθοριστεί η βάση δεδομένων κειμένων και συγκεκριμένα α) τα έγγραφα που χρησιμοποιούνται β) οι διαδικασίες που εκτελούνται στο κείμενο γ) το πρότυπο κειμένων δηλ η μορφή κειμένων και ποια στοιχεία μπορούν να ανακτηθούν (2). 222

5 11ο ΠΑΝΕΛΛΗΝΙΟ ΣΥΝΕΔΡΙΟ ΑΚΑΔΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ Μόλις καθοριστεί η λογική άποψη κειμένων ορίζεται ένας δείκτης κειμένου ο οποίος ορίζει την δομή των πληροφοριών και επιτρέπει την γρήγορη ανάκτηση των δεδομένων. Πολλές φορές η ερωτήσεις των χρηστών είναι ανεπαρκής με αποτέλεσμα οι κακώς διατυπωμένες ερωτήσεις να οδηγούν σε φτωχή ανάκτηση. Σε ένα συμβατικό σύστημα ανάκτησης πληροφοριών το καταχωρημένο κείμενο προσδιορίζεται από τα σύνολα λέξεων κλειδιών τα οποία ονομάζονται όροι ευρετηρίων (ίndex terms). Τα αιτήματα για τις πληροφορίες εκφράζεται ως συνάρτηση των λογικών πράξεων (and, not, or) και των όρων αναζήτησης. Οι όροι που χαρακτηρίζουν το καταχωρημένο κείμενο μπορούν να σημανθούν χειροκίνητα από το εκπαιδευμένο προσωπικό ή εναλλακτικά, με χρήση αυτόματων μεθόδων δημιουργίας ευρετηρίων. Στα πλήρη συστήματα ανάκτησης κειμένου αποφεύγεται η ανάλυση περιεχομένου (indexing) με την χρησιμοποίηση των λέξεων που βρίσκονται στο σώμα των εγγραφών για τον προσδιορισμό του νοηματικού περιεχομένου [23]. Όλες οι υπάρχουσες προσεγγίσεις στην ανάκτηση κειμένων είναι βασισμένες στους σχετικούς όρους που βρίσκονται στο κείμενο. Σε μια τυπική προσέγγιση προσδιορίζονται οι μεμονωμένες λέξεις που εμφανίζονται στα έγγραφα. Στην πιο απλή περίπτωση το αίτημα αναζήτησης αποτελείται από ένα όρο αναζήτησης, δηλαδή μια ακολουθία αλφαριθμητικών χαρακτήρων. Σε πιο πολύπλοκες περιπτώσεις το αίτημα αναζήτησης αποτελείται από πολλούς όρους αναζήτησης οι οποίοι συνδέονται με λογικού ς τελεστές. Σε αυτέςτις περιπτώσεις πέραν από την εφαρμογή του αλγόριθμου (substring δοκιμή) για κάθε όρο, πραγματοποιείται και το πρόσθετο βήμα εφαρμογής των λογικών τελεστών στα αποτελέσματα του αρχικού αλγόριθμου [22]. Ο χρόνος αναζήτησης είναι γραμμικός ως προς το μέγεθος των εγγράφων, αλλά εκθετικός ως προςτο μέγεθος της συμβολο σειράς αναζήτησης. Ο αλγόριθμοςγια τη substring δοκιμής είναι ο ακόλουθος: "Συγκρίνονται οι χαρακτήρεςτηςσυμβολοσειράςαναζήτησης με τους αντίστοιχους χαρακτήρεςτου εγγράφου. Εάν δεν υπάρχει το επιθυμητό αποτέλεσμα της εύρεσηςτου συγκεκριμένου substring, μετατοπίζεται η συμβολοσειρά αναζήτησης κατά μία θέση προς τα δεξιά και συνεχίζεται η ίδια διαδικασία έως ότου είτε βρεθεί η συμβολοσειρά είτε τελειώσει το τέλος έγγραφο". Ο παραπάνω αλγόριθμος αν και είναι απλός και σχετικά ακριβείς στην εφαρμογή του δεν είναι αρκετά γρήγορος [23]. Μια άλλη προσέγγιση της ανάκτηση κειμένων είναι τα "αρχεία υπογραφών". Σε αυτήν την μέθοδο, κάθε έγγραφο παράγει μια συμβολοσειρά δυαδικών ψηφίων ("υπογραφή"), χρησιμοποιώντας hashing στις λέξεις του κατά την κωδικοποίηση τους. Οι προκύπτουσες υπογραφές εγγράφων καταχωρούνται διαδοχικά σε ένα χωριστό αρχείο (αρ- 223

6 ΠΕΜΠΤΗ 7 ΝΟΕΜΒΡΙΟΥ 2002 χείο υπογραφών) το οποίο είναι πολύ μικρότερο από το αρχικό κείμενο, και μπορεί να επεξεργαστεί πολύ γρηγορότερα. Το βασικό πλεονέκτημα των αρχείων υπογραφών είναι η μεγάλη ταχύτητα με την οποία πραγματοποιείται η επεξεργασία τους. Εντούτοις, το μέγεθος αρχείων υπογραφών είναι ανάλογο προς το μέγεθος των κειμένων και αυτό αποτελεί πρόβλημα για τις ογκώδεις συλλογές κειμένων όπως τις ψηφιακές βιβλιοθήκες. Τα αρχεία υπογραφών περιέχουν τους σχετικούς όρους από τα έγγραφα. Τέτοιοι κομματιασμένοι όροι καλούνται υπογραφές και τα αρχεία που τους περιέχουν είναι αρχεία υπογραφών. Υπάρχουν πολύ τρόποι ώστε να εξαχθούν οι υπογραφές από τα έγγραφα Οι τρεις βασικές μέθοδοι είναι 1 )WS (υπογραφέςτου Word), 2)Sc (κωδικοποίηση), Π.Χ. (συμπίεση BitBlock) και 3)RL (συμπίεση RunLength). Εως τώρα η μέθοδος των «αρχείων υπογραφών» έχει εφαρμοστεί σε μικρές βάσεις κειμένων οι οποίες δεν είναι πάντα αντιπροσωπευτικές. Αντίθετα μέχρι σήμερα δεν υπάρχει εφαρμογή της παραπάνω μεθόδου σε μεγάλες βάσης κειμένων όπως είναι μια ψηφιακή βιβλιοθήκη [25]. Μια άλλη μέθοδο ανάκτησης κειμένου είναι αυτή της αντιστροφής στην οποία κάθε έγγραφο μπορεί να αντιπροσωπευθεί από ένα κατάλογο (keywords - λέξεις κλειδιά) τα οποία περιγράφουν το περιεχόμενο του εγγράφου για την ανάκτήσης του [27]. Η γρήγορη ανάκτηση μπορεί να επιτευχθεί με την εξέταση των λέξεων κλειδιών στο κείμενο. Οι λέξεις κλειδιά καταχωρούνται, αλφαβητικά, στο "αρχείο ευρετηρίων", για κάθε λέξη κλειδί διατηρούμε έναν κατάλογο δεικτών. Αναζήτηση κειμένων στο διαδίκτυο Ο παγκόσμιος ιστός εξελίσσεται σε μια καθολική αποθήκη της ανθρώπινης γνώσης και του πολιτισμού καθιστώντας αναγκαία την περιγραφή των πληροφοριών (καταλογογράφηση) που υπάρχουν στους πόρους του διαδικτύου. Τα metadata δεν είναι πλήρης στοιχεία αλλά είναι ένα είδος συντροφικού ταξιδιώτη μια πυξίδα, που περιγράφουν την πληροφορία που υπάρχει σε κάθε ψηφιακό αντικείμενο ( έγγραφο, εικόνα, βίντεο, ήχος). Τα μεταδεδομένα είναι πληροφορίες κατανοητές από τους υπολογιστέςτου διαδικτύου άλλα αόρατες για τον τελικό χρήστη, υπό την έννοια ότι δεν έχουν καμιά επίδραση στην οπτική εμφάνιση της σελίδας [19]. Η σημασία ενός συστήματος IR Η σημασία ενός συστήματος πληροφοριών IR είναι να παρέχει α) Αυξημένες δυνατό- 224

7 11ο ΠΑΝΕΛΛΗΝΙΟ ΣΥΝΕΔΡΙΟ ΑΚΑΔΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ τητες πρόσβασης β) ανεξαρτησία στην χρήσης των πληροφοριακών πόρων γ)να επιτρέπει επεκτάσεις ώστε οι ιδιαίτερες ανάγκες μιας δεδομένης εφαρμογής να μπορούν να προσαρμοστούν. Όλα τα παραπάνω αυτοματοποιημένα συστήματα ^αποτελούν χρήσιμα εργαλεία στην προσπάθεια μας να διαχειριστούμε την πληροφορία, όμως χαρακτηρίζονται από ελλείψεις ακρίβειας και επιδόσεων Πάνω σε αυτά τα προβλήματα οι τεχνολογίες των ΤΝΔ έχουν να προτείνουν κάποιες λύσεις οι οποίες φαίνονται να ανταποκρίνονται στις προκλήσεις που προκύπτουν στην ψηφιακή εποχή [14]. Τι είναι τα Τεχνητά Νευρωνικά Δίκτυα ΤΝΔ Οι άνθρωποι δεν είναι πιο γρήγοροι ούτε πιο ακριβείς από τους υπολογιστές. Οι σημερινοί υπολογιστές φαίνονται πολύ πιο ικανοί στο να εκτελούν πολύπλοκες αριθμητικές και λογικές πράξεις. Σε πολλούς όμως τομείς η ανθρώπινη ικανότητα υπερτερεί κατά πολύ των δυνατοτήτων των μηχανών. Για παράδειγμα οι άνθρωποι αναγνωρίζουν πολύ πιο εύκολα αντικείμενα και κατανοούν τις σχέσεις μεταξύ τους μέσα στο φυσικό περιβάλλον, έστω κι αν αυτά είναι παραμορφωμένα ή δεν είναι ορατά εξ ολοκλήρου. Η ικανότητα της μάθησης μέσω εμπειρίας είναι ένα από τα κύρια χαρακτηριστικά της ανθρώπινης νοημοσύνης. Επιπλέον η ανθρώπινη μνήμη μπορεί να αποθηκεύσει μεγάλη ποσότητα πληροφοριών και έχει την δυνατότητα να βρίσκει συσχετιζόμενες πληροφορίες μέσα σ αυτή χωρίς μεγάλη προσπάθεια. Αντίθετα οι υπολογιστές έχουν την δυνατότητα να απομνημονεύουν τεράστιες ποσότητες πληροφοριών, αλλά είναι δύσκολο να κάνουν αυτή την γνώση ένα αποτελεσματικό μέρος των δραστηριοτήτων τους. Μια πιθανή εξήγηση είναι ότι ο ανθρώπινος εγκέφαλος και οι υπολογιστές λειτουργούν εντελώς διαφορετικά. Οι άνθρωποι είναι πιο έξυπνοι από τους υπολογιστές επειδή ο εγκέφαλος τους χρησιμοποιεί μια βασική υπολογιστική αρχιτεκτονική η οποία είναι πιο κατάλληλη για την αντιμετώπιση της φυσική επεξεργασίας πληροφοριών. Ο εγκέφαλος είναι ένας απίστευτα δυνατός υπολογιστής. Μόνο το περίβλημα του περιέχει πάνω από εκατομμύρια νευρώνες. Από κάθε νευρώνα ξεκινούν χιλιάδες ίνες οι οποίες συναντούν ίνες από άλλος νευρώνες σε σημεία που αποκαλούνται συνάψεις. Πιστεύεται ότι η μνήμη και η γνώση αποθηκεύονται στις συνάψεις αυτές και όχι σε συγκεκριμένους νευρώνες. Κάθε νευρώνας στέλνει σήματα διέγερσης ή αποδιεγερσής σε άλλους νευρώνες. Η κατάσταση ενεργοποίησης ενός νευρώνα εξαρτάται από τα σήματα διέγερσης ή αποδιέργεσης που λαμβάνει από τους νευρώνες με τους οποίους συνδέεται. Ο συνδυασμός του τεράστιου αυτού αριθμού απλών υπολογιστικών στοιχείων (νευρώνες) δίνει ένα πολύ ισχυρό επακόλουθο. 225

8 ΠΕΜΠΤΗ 7 ΝΟΕΜΒΡΙΟΥ 2002 Το τεχνητό νευρωνικό δίκτυο σχεδιάστηκε ώστε να αντιγράψει τα χαρακτηριστικά και τις λειτουργίες των βιολογικών νευρώνων του ανθρώπινου εγκεφάλου. Πρόκειται για ένα σύστημα επεξεργασίας πληροφορίας σχεδιασμένο με βάση την λογική συνδεσμολογία των νευρώνων του ανθρώπινου εγκεφάλου. Αποτελείται από ένα μεγάλο αριθμό πολλαπλά διασυνδεόμενων επεξεργαστών (νευρώνες) που εργάζονται σε πλήρη συμφωνία μεταξύ τους, και εκτελούν διάφορους υπολογισμούς πάνω σε δεδομένα εισόδου, τα τμήματα αυτά συνδέονται μεταξύ τους με αμφίδρομα κανάλια επεξεργασίας που μεταφέρουν κωδικοποιημένες πληροφορίες με την μορφή αριθμών Τα τεχνητά νευρωνικά δίκτυα διέπονται από κανόνες εκπαίδευσης που προσαρμόζονται με βάση τα πρότυπα των τιμών εισόδου και έχουν την δυνατότητα μάθησης μέσα από τα παραδείγματα(καταχώρηση εμπειρικής γνώσης) και παράσχουν λύσεις στα προβλήματα που απαιτούν την ανθρώπινη παρατήρηση και σκέψη (διαθέσιμη γνώση για χρήση). Πώς λειτουργεί ένα τεχνητό νευρωνικό δίκτυο Ένα γενικό πλαίσιο λειτουργίας των ΤΝΔ Σε ένα ΤΝΔ υπάρχουν τα εξής τμήματα Ένα σύνολο επεξεργαστικών μονάδων Το πρώτο στάδιο του ορισμού ενός ΤΝΔ είναι ο καθορισμός ενός συνόλου από επεξεργαστικές μονάδες. Σε ένα δίκτυο μια επεξεργαστική μονάδα είναι ένας τεχνητός νευρώνας με περιορισμένη μνήμη και επεξεργαστική ισχύ. Στο σχήμα 1 οι νευρώνες παριστάνονται γραφικά με κύκλους. Κάθε τεχνητός νευρώνας δέχεται εισόδουςαπό νευρώνες με τους οποίους συνδέεται και υπολογίζει μια τιμή εξόδου σαν συνάρτηση των ει- 226

9 11ο ΠΑΝΕΛΛΗΝΙΟ ΣΥΝΕΔΡΙΟ ΑΚΑΔΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ σόδων του, την οποία την διοχετεύει με την σειρά του σε άλλους νευρώνες με τους οποίους επικοινωνεί. Το σύστημα λειτουργεί παράλληλα και πολλές μονάδες έχουν δυνατότητα να πραγματοποιούν ταυτόχρονα τους υπολογισμούς τους. Υπάρχουν τρεις κατηγορίες μονάδων : μονάδες εισόδου οι οποίες λαμβάνουν τα δεδομένα εισόδου από εξωτερικές πηγές, μονάδες εξόδου οι οποίες στέλνουν τα αποτελέσματα εκτός συστήματος και κρυμμένες μονάδες. Οι κρυμμένες μονάδες δεν είναι ορατές στον εξωτερικό κόσμο και οι είσοδοι τους καθώς και οι έξοδοι τους βρίσκονται εντόςτου Τ.Ν.Δ. Κατάσταση ενεργοποίησης Είναι χρήσιμο να κατανοήσουμε την επεξεργασία στο ΤΝΔ σαν μία εξέλιξη στο χρόνο μιας μορφής ενεργοποίησηςτου συνόλου των μονάδων. Η ενεργοποίηση αυτή aj(t) κάποιος μονάδας (uj) αντιπροσωπεύει την κατάσταση της στην χρονική στιγμή (t). Διαφορετικές υποθέσεις για την τιμή ενεργοποίησης που μπορεί να έχει μια μονάδα γίνονται από διάφορα μοντέλα ΤΝΔ μοντέλα που υπάρχουν. Οι τιμές αυτές μπορεί να είναι συνεχείς και διακριτές. Εάν είναι συνεχείςτότε μπορεί να είναι φραγμένες ή μη φραγμένες. Εάν είναι διακριτές τότε μπορεί να είναι δυαδικές ή να παίρνουν τιμές από ένα μικρό σύνολο τιμών. Διαφορετικές υποθέσεις για τιςτιμές ενεργοποίησης οδηγούν σε μοντέλα με λίγο διαφορετικά χαρακτηριστικά. Συνάρτηση εισόδου εξόδου Οι μονάδες αλληλοεπιδρούνται μεταβιβάζοντας και λαμβάνοντας και λαμβάνοντς σήματα απο γειτονικές μονάδες. Η ισχύς των σημάτων και κατά συνέπεια ο βαθμός αλληλοεπίδρασης καθορίζεται απο τον βαθμό ενεργοποίησης κάθε μονάδας uj αντιστοιχεί μια συνάρτηση εξόδου fj η οποία μετασχηματίζει την παρούσα κατάσταση aj (t) της μονάδας σε ένα σήμα εξόδου oj(t)=fj [aj (t)] Σε μερικά μοντέλα το σήμα εξόδου είναι το ίδιο με την κατά- 227

10 ΠΕΜΠΤΗ 7 ΝΟΕΜΒΡΙΟΥ 2002 στάση ενεργοποίησηςτης μονάδας δηλ F(χ)=χ. Στις περισσότερες περιπτώσεις, η F(x)= x είναι κάποια οριακή συνάρτηση (threshold function) Κατά αυτό τον τρόπο, μία μονάδα επηρεάζει μια γειτονικήςτης, μόνο όταν η τιμή ενεργοποίησης της είναι μεγαλύτερη από μια προκαθορισμένη τιμή. Πρότυπο συνδέσεων μεταξύ μονάδων Οι μονάδες συνδέοντα ι μέσω του πρότυπου σύνδεσηςτο οποίο αποτελείτην γνώση του συστήματος και καθορίζει πώς θα ανταποκριθεί το σύστημα σε μια τυχαία είσοδο. Γενικά η κατάσταση ενεργοποίησης δίνεται από την εξίσωση: όπου wjk είναι οι συντελεστές βαρών των εισόδων της μονάδας uj και θj είναι ένα εσωτερικό όριο που χαρακτηρίζει την ίδια την μονάδα. Σε μια τέτοια περίπτωση, η αναπαράσταση του προτύπου σύνδεσης καθορίζεται από τον προσδιορισμό του συντελεστή βάρους κάθε σύνδεσης του δικτύου. Θετική τιμή ενός συντελεστή βάρους αναπαριστά μια είσοδο διέγερσης και αρνητική τιμή αναπαριστά μια είσοδο αποδιέγερσης. Ο συντελεστής wjk είναι θετικός εάν η μονάδα UK διεγείρει την μονάδα uj, αρνητικός αν την αποδιεργείρει και μηδέν αν η μονάδα UK δεν συνδέετε με την μονάδα uj. Η απόλυτη τιμή του συντελεστή βάρους wjk καθορίζει την ισχύ της σύνδεσης. Τοπολογία δικτύου Συνήθως οι μονάδεςτου δικτύου διατάσσονται σε ξεχωριστές δομές οι οποίες καλούνται «στρώματα»(layer). Τα πρωταρχικά μοντέλα αποτελούνται από ένα απλό στρώμα όπου κάθε είσοδος του δικτύου συνδέεται με όλες τις μονάδες του στρώματος αυτού.οι πληροφορίες ρέουν δια μέσω του στρώματος α πό τις εισόδους και στις εξόδους χωρίς ανάδραση των εξόδων. Τα μοντέλα αυτής της κλάσης ονομάζονται feed-forward μοντέλα. Στα δίκτυα πολλαπλών στρωμάτων τα μεσαία στρώματα ονομάζονται κρυμμένα (hidden layers) και αποτελούνται από κρυμμένες μονάδες. Έχουν εισαχθεί επίσης μοντέλα τα οποία χρησιμοποιούν την έννοια των feed-backward συνδέσεων. Τα δίκτυα αυτά (ανάδρασης) βελτιώνουν την διαδικασία εκπαίδευσης και μάθησης του δικτύου τροφοδοτώντας προςτα πίσω αποτελέσματα (σφάλματα) από το επόμενο στρώμα σε ένα προηγούμενο. 228

11 11ο ΠΑΝΕΛΛΗΝΙΟ ΣΥΝΕΔΡΙΟ ΑΚΑΔΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ Κανόνας μάθησης Ο κανόνας μάθησης είναι ο τρόπος εύρεσηςτων σωστών συντελεστών βαρών έτσι ώστε οι σωστές μορφές ενεργοποίησης να δημιουργηθούν κάτω από κατάλληλες συνθήκες Για να αλλάξουμε την δομή επεξεργασίας ή της γνώσης σε ένα ΤΝΔ χρειάζεται να τροποποιήσουμε το πρότυπο συνδέσεων. Οι αλλαγές αυτές μπορούν να γίνουν με τους εξής τρόπους: 1) ανάπτυξη καινούργιων συνδέσμων 2)Αφαίρεση παλιών συνδέσμων. Γιατί να χρησιμοποιούμε Νευρωνικά δίκτυα. Τα νευρωνικά δίκτυα με την δυνατότητα τους να εξάγουν έννοιες-αποτελέσματα από περίπλοκα ή ανακριβή στοιχεία μπορούν να χρησιμοποιηθούν για να εξάγουν πρότυπα και να ανιχνεύσουν τάσεις που είναι σύνθετες να παρατηρηθούν από άλλα υπολογιστικά συστήματα. Τα πλεονεκτήματα ενός νευρωνικού δικτύου είναι 1. Προσαρμοσμένη μάθηση (supervised -associative learning) Το ΤΝΔ εκτελεί εργασίες βασισμένο σε δεδομένα (ζεύγη εισόδων-εξόδων) που έχουν δοθεί κατά την εκπαίδευση του. 2. Αυτοοργάνωση (self-organization) Όπου μια ομάδα εξόδου εκπαιδεύεται για να ανταποκρίνεται σε ομάδες προτύπων που 229

12 ΠΕΜΠΤΗ 7 ΝΟΕΜΒΡΙΟΥ 2002 υπάρχουν στην είσοδο. Εδώ σε σχέση με την προσαρμοσμένη μάθηση δεν υπάρχουν εκ των προτέρων καθορισμένα σύνολα κατηγοριών στα οποία θα ταξινομηθούν τα πρότυπα άλλα αναπτύσσει την δική του αναπαράσταση στα ερεθίσματα εισόδου. 3. Λειτου ργία σε π ραγματι κό χρόνο Οι υπολογισμοί ενός ΤΝΔ μπορούν να εκτελεστούν παράλληλα, ενώ συγχρόνως παρουσιάζουν ανοχή στην διαστρέβλωση εικόνων-ηρότύπων(π.χ αμφισημία λέξεων ) Δυνατότητα γενίκευσης 4. Δυνατότητα διόρθωση λαθών Μερική καταστροφή του δικτύου έχει ως αποτέλεσμα τη μείωση τηςταχύτητας επεξεργασίας. Τα μερικώς κατεστραμμένα νευρωνικά δίκτυα είναι σε θέση να αναδιατάσσουν τις διεργασίες επεξεργασίας του δικτύου διοχετεύοντας όλη τη διαδικασία επεξεργασίας πληροφοριών στο υγιέςτμήμα του νευρωνικού δικτύου. Μειονεκτήματα Οι γνώσεις πάνω στο τρόπο που ο ανθρώπινος εγκέφαλος εκπαιδεύεται για να επεξεργαστεί πληροφορίες είναι ακόμα συγκεχυμένες και οι θεωρίες αφθονούν Οι μαθηματικές θεωρίες που χρησιμοποιούνται είναι ακόμα υπό ανάπτυξη και δεν μπορούν να εγγυηθούν την απόδοση ενός νευρωνικού δικτύου. LATENT SEMANTIC ANALYSIS Ένας αλγόριθμος τεχνητών νευρωνικών δικτύων που παρουσιάζει ιδιαίτερο ενδιαφέρον είναι ο LSA (Latent Semantic Analysis), ανήκει στην κατηγορία τον Self organized Networks (δίκτυο αυτοεπίβλεψης) [21 ] και χρησιμοποιείται για την εξαγωγή του περιεχομένου του κειμένου και την παραγωγή μιας περίληψης για αυτό. Το κύριο χαρακτηριστικό του είναι ότι δεν κάνει χρήση λεξικών ή γραμματικών κανόνων. Σε αντίθεση με τις κλασικές μεθόδους που βασίζονται στην καταμέτρηση των όμοιων λέξεων του κειμένου. Ο LSA βασίζεται στην μέτρηση της νοηματική συσχέτισης η οποία αντανακλάται στην νοηματική ομοιότητα μεταξύ συνώνυμων, ουσιαστικών, επιθέτων και άλλων μερών του λόγου τα οποία τείνουν να χρησιμοποιηθούν κατά παρόμοιο τρόπο. Επιπρόσθετα η αυτοματοποίηση της όλη διαδικασίας, επιτρέπει όχι μόνο την επεξεργασία μεγάλου όγκου κειμένων, αλλά δίδεται η δυνατότητα να εξεταστούν περαιτέρω πτυχές της δομής των κειμένων. Κάθε ενότητα αναπαρίσταται με ένα σταθμισμένο διάνυσμα της συχνότητας εμφάνισης όλων τον λέξεων της. Το διάνυσμα που προκύπτει αναπαριστά το νοηματικό περιεχόμενο της ενότητας σε ένα αφηρημένο διανυσματικό χώρο εννοιών. Με τη χρήση της 230

13 11ο ΠΑΝΕΛΛΗΝΙΟ ΣΥΝΕΔΡΙΟ ΑΚΑΔΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ sigular value decomposition (SVD) [18] και λαμβάνοντας υπόψη μόνο της ανώτερες ιδιοτιμές που προκύπτουν επιτυγχάνεται από την μια δραστική μείωση της διαστασημότητας του χώρου εννοιών, πράγμα που έχει δραστικές επιδράσειςστουςαπαιτούμενους υπολογιστικούς χώρους ενώ παράλληλα αποκαλύπτεται μία αφαιρετική δομή η οποία συσχετίζει μεμονωμένες λέξεις με το νοηματικό περιεχόμενο στο οποίο εμφανίζονται. Η συσχέτιση ενισχύεται περαιτέρω μέσω μιας αυτοργανούμενης διαδικασία ομαδοποίησης με χρήση ενός Τ.Ν.Δ Kohonen ή με κάποιο άλλο αλγόριθμο ομαδοποίησης (clustering). Όταν μια ερώτηση τεθεί στο σύστημα αρκεί να μορφοποιηθεί ένα συμβατό διάνυσμα λέξεων και να βρεθούν οι ομάδες στις οποίες ταξινομείται αυτό το διάνυσμα. Συνήθως αυτό γίνεται με βάση τις αποστάσεις του ερωτήματος από τις ομάδες. Η αφαιρετική δομή που προκύπτει συσχετίζει μεμονωμένες λέξεις με το νοηματικό περιεχόμενο των κειμένων στις οποίες εμφανίζεται είτε ή ίδια είτε συγγενείς λέξεις. Δηλαδή είναι δυνατό να συσχετιστεί μια λέξη με μία ενότητα ακόμα και αν δεν εμφανίζεται εκεί. Τέτοιου είδους συσχετισμοί είναι εξαιρετικά δύσκολο να γίνουν με κλασικές στατιστικές μεθόδους επεξεργασίας φυσικής γλώσσας. Πρέπει να σημειωθεί ότι στη διαδικασία αυτή δεν λαμβάνονται υπόψη πληροφορίες για την συντακτική δομή του κειμένου ή την σειρά εμφάνισης των λέξεων. Όσο μεγαλύτερο σε πλήθος και νοηματικό εύρος είναι η συλλογή κειμένων που χρησιμοποιήθηκε για την κατασκευή του μητρώο, τόσο πιο ισχυροί εννοιολογικοί συσχετισμοί αναπτύσσονται. Συμπεράσματα Ο Χώρος της βιβλιοθηκονομίας και της επιστήμηςτης πληροφόρησης έχει πολλά να κερδίσει από την χρήση των νευρωνικών δικτύων. Η δυνατότητα τους να μαθαίνουν μέσω παραδειγμάτων τα καθιστά ευέλικτα και αποτελεσματικά. Τα ΤΝΔ από την μια παρέχουν γρήγορη και λεπτομερή πρόσβαση στο υλικό και από την άλλη μπορούν να χρησιμοποιηθούν από απλούς χρήστες με ελάχιστες υλικοτεχνικές απαιτήσεις και δεξιότητες. Με τον τρόπο αυτό ενισχύεται ο ρόλος της βιβλιοθήκης διευκολύνοντας και υποστηρίζοντας τις ερευνητικές και εκπαιδευτικές δραστηριότητες της ακαδημαϊκής κοινότητας. Το πιο ελπιδοφόρο από την πλευρά των νευρωνικών δικτύων είναι η πιθανότητα ότι κάποια μέρα «συνειδητά» δίκτυα θα κάνουν την εμφάνιση τους, δημιουργώντας συνθή- 231

14 ΠΕΜΠΤΗ 7 ΝΟΕΜΒΡΙΟΥ 2002 κες αλληλοελέγχου σφαλμάτων μεταξύ τεχνίτης και ανθρώπινης εφυήας, άλλωστε πολλοί υποστηρίζουν ότι η συνείδηση είναι μια μηχανική ιδιότητα επομένως η αναπαράστασης της είναι ρεαλιστική. Ίσως από κάποιους η χρήση της τεχνητής νοημοσύνης σε συστήματα ανάκτησης πληροφοριών να χαρακτηριστεί ως υπερβολικό επιχείρημα με αβέβαια αποτελέσματα, όμως στην πρόσκληση της ψηφιακής εποχής θα πρέπει να απαντήσουμε μα ανοικτό μυαλό και διάθεση για πειραματισμό Βιβλιογραφία 1) Blair D. and Maron Μ (1985) An evaluation of retrieval effectiveness for full-text document-retrieval system. Communications of ACM 28(3) ) Buckland, M.K(1991) Information as thing Journal of the American society for information science 42: ) Buckland, M.K(1997) What is a document. Journal of the American society for information science 48(9): ) Harter, S.P& Hert, C.A (1997) Evaluation of information retrieval systems: approaches, issues and methods. Annual review of information science and technology 32:3-5) Croft, B. Lucia T.(1989) Retrieving documents by plausible inference :an experimental study. Information processing and Management 25(6) ) Γ. Παπαδουράκης και Γ. Μπεμπής "Τεχνητά Νευρωνικά Δίκτυα Ι", Τεχνικά Χρονικά Επιστημονική Έκδοση Τ.Ε.Ε.- Επιστημονική Περιοχή Β, V.11, Ν.3, ρρ.57-73, ) DAMERAU, F.j., 'Automated language processing 1, Annual Review of Information Science and Technology, 11, (1976). 8) SPARCK JONES, K. and KAY, M., Linguistics and Information Science, Academic Press. New York and London (1973). 9) MONTGOMERY, C.A., "Linguistics and information science", Journal of the American Society for Information Science, 23, (1972). 10) FARRADANE, J., RUSSELL, j.m. and YATES-MERCER, Α., "Problems in information retrieval. Logical jumps in the expression of information", Information Storage and Retrieval, 9, (1973). 11) COATES, E.J., "Some properties of relationships in the structure of indexing languages", Journal of Documentation, 29, (1973). 232

15 11ο ΠΑΝΕΛΛΗΝΙΟ ΣΥΝΕΔΡΙΟ ΑΚΑΔΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ 12) GHOSE, Α. and DHAWLE, A.S., "Problems of thesaurus construction", journal of the American Society for Information Science, 28, ) LANCASTER, F.W., Information Retrieval Systems: Characteristics, Testing and Evaluation, Wiley, New York ( ) KOCH EN, M., Principles of Information Retrieval, Melville Publishing Co., Los Angeles, California (1974). 15)BOOKSTEIN, A. and SWANSON, D.R., "Probabilistic models for automatic indexing", journal of the American Society for Information Science, 25, (1974). 16) BELKIN, Ν.J., "Information concepts for information science", journal of Documentation, 34, (1978). 17) BARBER, A.S., BARRACLOUGH, E.D. and GRAY, W.A. "On-line information retrieval as a scientist's tool", Information Storage and Retrieval, 9, (1973). 18) W. Berry and Susan T. Dumais and Gavin W. O' Brien. Using Linear Algebra for Intelligent Information Retrieval.http://www.es.utk.edu/~berry/ (20/9/2002) 19) Dublin core metadata. URL: 20) Dushan Badal and Michael Davies. Retrieval of unstructured text. URL: 21) Scott C. Deerwester, Susan T. Dumais, Thomas K. Landauer, George W. Furnas, and Richard A. Harshman. Indexing by latent semantic analysis, journal of the American Society of Information Science, 41 (6): , ) Christos Faloutsos and Douglas W. Oard. A survey of information retrieval and filtering methods. Technical Report CS-TR-3514, ) Marcos Andre Goncalves, Robert K. France, Edward A. Fox, and Tamas E. Doszkocs. Marian: Searching and querying across heterogeneous federated digital libraries. URL: 24) Robert Hochman. Software reliability engineering: An evolutionary neural network approach. URL: 25) Timo Honkela. On the use of self-organizing map (som) in linguistic visualization. URL: 26) Panayiotis Zaphiris. User-centered evaluation of an on-line modern greek language course. URL: 233

16 ΠΕΜΠΤΗ 7 ΝΟΕΜΒΡΙΟΥ ) A. Jennings and H. Higuchi. A personal news service based on a user model neural network, URL: 28) Dik Lun Lee, Young Man Kim, and Gaurav Patel. Efficient signature file methods for text retrieval. Knowledge and Data Engineering, 7(3): , URL:http://citeseer.nj.nec.com/15285.html. 29) Liming Ren The. Fast search algorithms for weight-partitioned signature files. URL: 30) P. Zaphiris and et al. Participatory design of an online greek language course. URL:http://citeseer.nj.nec.com/ html. 31) Vienna University of Technology URL: 234

Ανάκτηση Πληροφορίας

Ανάκτηση 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 περισσότερα

Ανάκτηση Πληροφορίας (Information Retrieval IR) ιδακτικό βοήθηµα 2. Πανεπιστήµιο Θεσσαλίας Πολυτεχνική Σχολή Τµήµα Μηχ. Η/Υ, Τηλ/νιών & ικτύων

Ανάκτηση Πληροφορίας (Information Retrieval IR) ιδακτικό βοήθηµα 2. Πανεπιστήµιο Θεσσαλίας Πολυτεχνική Σχολή Τµήµα Μηχ. Η/Υ, Τηλ/νιών & ικτύων Ανάκτηση Πληροφορίας (Information Retrieval IR) Πανεπιστήµιο Θεσσαλίας Πολυτεχνική Σχολή Τµήµα Μηχ. Η/Υ, Τηλ/νιών & ικτύων Ακαδηµαϊκό Έτος 2005-2006 ιδακτικό βοήθηµα 1 Καλύπτει το 60% του 510 σελίδες 1η

Διαβάστε περισσότερα

Ανάκτηση Πληροφορίας (Information Retrieval IR)

Ανάκτηση Πληροφορίας (Information Retrieval IR) Ανάκτηση Πληροφορίας (Information Retrieval IR) Πανεπιστήµιο Θεσσαλίας Πολυτεχνική Σχολή Τµήµα Μηχ. Η/Υ, Τηλ/νιών & ικτύων Ακαδηµαϊκό Έτος 2005-2006 ιδακτικό βοήθηµα 1 Καλύπτει το 60% του αντικειµένου

Διαβάστε περισσότερα

Ανάκτηση Πληροφορίας

Ανάκτηση Πληροφορίας Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Ανάκτηση Πληροφορίας Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #02 Ιστορική αναδρομή Σχετικές επιστημονικές περιοχές 1 Άδεια χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

Ανάκτηση Πληροφορίας. Διδάσκων: Φοίβος Μυλωνάς. Διάλεξη #01

Ανάκτηση Πληροφορίας. Διδάσκων: Φοίβος Μυλωνάς. Διάλεξη #01 Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Ανάκτηση Πληροφορίας Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #01 Διαδικαστικά μαθήματος Εισαγωγικές έννοιες & Ορισμοί Συστήματα ανάκτησης πληροφορίας 1

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

ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #12: Εισαγωγή στα Nευρωνικά Δίκτυα. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.

ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #12: Εισαγωγή στα Nευρωνικά Δίκτυα. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Ενότητα #12: Εισαγωγή στα Nευρωνικά Δίκτυα Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. Άδειες Χρήσης Το

Διαβάστε περισσότερα

Πληροφορική 2. Τεχνητή νοημοσύνη

Πληροφορική 2. Τεχνητή νοημοσύνη Πληροφορική 2 Τεχνητή νοημοσύνη 1 2 Τι είναι τεχνητή νοημοσύνη; Τεχνητή νοημοσύνη (AI=Artificial Intelligence) είναι η μελέτη προγραμματισμένων συστημάτων τα οποία μπορούν να προσομοιώνουν μέχρι κάποιο

Διαβάστε περισσότερα

Αναγνώριση Προτύπων Ι

Αναγνώριση Προτύπων Ι Αναγνώριση Προτύπων Ι Ενότητα 1: Μέθοδοι Αναγνώρισης Προτύπων Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται

Διαβάστε περισσότερα

ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ MANAGEMENT INFORMATION SYSTEMS (M.I.S.)

ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ MANAGEMENT INFORMATION SYSTEMS (M.I.S.) ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ MANAGEMENT INFORMATION SYSTEMS (M.I.S.) 1.1 Κωνσταντίνος Ταραμπάνης Καθηγητής Τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων Πανεπιστήμιο Μακεδονίας Γρ. 307 2310-891-578 kat@uom.gr

Διαβάστε περισσότερα

Ανάκτηση Πληροφορίας

Ανάκτηση 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 περισσότερα

1 Συστήματα Αυτοματισμού Βιβλιοθηκών

1 Συστήματα Αυτοματισμού Βιβλιοθηκών 1 Συστήματα Αυτοματισμού Βιβλιοθηκών Τα Συστήματα Αυτοματισμού Βιβλιοθηκών χρησιμοποιούνται για τη διαχείριση καταχωρήσεων βιβλιοθηκών. Τα περιεχόμενα των βιβλιοθηκών αυτών είναι έντυπα έγγραφα, όπως βιβλία

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

Γενικά Στοιχεία Ηλεκτρονικού Υπολογιστή

Γενικά 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 περισσότερα

Εισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων

Εισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα. Τεχνητά Νευρωνικά Δίκτυα (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων Εισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα Τεχνητή Νοημοσύνη (Artificial Intelligence) Ανάπτυξη μεθόδων και τεχνολογιών για την επίλυση προβλημάτων στα οποία ο άνθρωπος υπερέχει (?) του υπολογιστή Συλλογισμοί

Διαβάστε περισσότερα

ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ. Τεχνικές NLP Σχεδιαστικά Θέματα

ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ. Τεχνικές NLP Σχεδιαστικά Θέματα ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ Τεχνικές NLP Σχεδιαστικά Θέματα Natural Language Processing Επεξεργασία δεδομένων σε φυσική γλώσσα Κατανόηση φυσικής γλώσσας από τη μηχανή

Διαβάστε περισσότερα

Εισαγωγικά για την αναγνώριση έκφρασης προσώπου (Facial Expression Recognition)

Εισαγωγικά για την αναγνώριση έκφρασης προσώπου (Facial Expression Recognition) Ο στόχος της διπλωματικής είναι η αναγνώριση του συναισθήματος ενός συγκεκριμένου ανθρώπου από μια αλληλουχία εικόνων στις οποίες παίρνει διάφορες εκφράσεις. Αυτό θα γίνει κάνοντας χρήση τεχνικών βαθιάς

Διαβάστε περισσότερα

Ανάκτηση Πληροφορίας

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 περισσότερα

ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ

ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ ΔΕΔΟΜΕΝΑ ΔΕΔΟΜΕΝΑ ΠΛΗΡΟΦΟΡΙΑ ΑΡΙΘΜΟΙ ΣΥΜΒΟΛΑ - ΛΕΞΕΙΣ ΟΠΟΙΑΔΗΠΟΤΕ ΔΡΑΣΤΗΡΙΟΤΗΤΑ ΣΥΜΒΑΙΝΕΙ ΣΕ ΜΙΑ ΟΙΚΟΝΟΜΙΚΗ ΜΟΝΑΔΑ ΠΡΕΠΕΙ ΝΑ ΜΕΤΡΕΙΤΑΙ ΚΑΙ ΝΑ ΚΑΤΑΓΡΑΦΕΤΑΙ ΟΡΓΑΝΩΣΗ ΚΑΤΑΓΡΑΦΗΣ

Διαβάστε περισσότερα

ΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams

ΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams ΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams Αλέκα Σεληνιωτάκη Ηράκλειο, 26/06/12 aseliniotaki@csd.uoc.gr ΑΜ: 703 1. Περίληψη Συνεισφοράς

Διαβάστε περισσότερα

Βασικές αρχές εκπαίδευσης ΤΝΔ: το perceptron. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων

Βασικές αρχές εκπαίδευσης ΤΝΔ: το perceptron. Τεχνητά Νευρωνικά Δίκτυα (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων Βασικές αρχές εκπαίδευσης ΤΝΔ: το perceptron Βιολογικός Νευρώνας Δενδρίτες, που αποτελούν τις γραμμές εισόδου των ερεθισμάτων (βιολογικών σημάτων) Σώμα, στο οποίο γίνεται η συσσώρευση των ερεθισμάτων και

Διαβάστε περισσότερα

Ανάκτηση Πληροφορίας

Ανάκτηση 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 περισσότερα

Πληροφοριακά Συστήματα & Περιβάλλον

Πληροφοριακά Συστήματα & Περιβάλλον ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Πληροφοριακά Συστήματα & Περιβάλλον Ενότητα 8: Τεχνητά Νευρωνικά Δίκτυα Παναγιώτης Λεφάκης Δασολογίας & Φυσικού Περιβάλλοντος Άδειες Χρήσης

Διαβάστε περισσότερα

ΕΠΛ 003: ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ. Μηχανές αναζήτησης

ΕΠΛ 003: ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ. Μηχανές αναζήτησης ΕΠΛ 003: ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Μηχανές αναζήτησης Στόχοι 1 Να εξηγήσουμε για ποιο λόγο μας είναι απαραίτητες οι μηχανές αναζήτησης στον Παγκόσμιο Ιστό. Να περιγράψουμε κάποιους

Διαβάστε περισσότερα

Η Τεχνολογία στις Συνεργασίες των Βιβλιοθηκών

Η Τεχνολογία στις Συνεργασίες των Βιβλιοθηκών Εργαστήριο Ψηφιακών Βιβλιοθηκών και Ηλεκτρονικής Δημοσίευσης Τμήμα Αρχειονομίας Βιβλιοθηκονομίας Ιόνιο Πανεπιστήμιο Η Τεχνολογία στις Συνεργασίες των Βιβλιοθηκών Σαράντος Καπιδάκης sarantos@ionio.gr Ομοιότητες

Διαβάστε περισσότερα

ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ. και ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ

ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ. και ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ και ΣΥΣΤΗΜΑΤΑ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΣΚΟΠΟΣ ΜΑΘΗΜΑΤΟΣ ΣΥΝΔΕΣΗ ΜΕ ΑΛΛΑ ΜΑΘΗΜΑΤΑ ΣΕ ΠΟΙΟΥΣ ΑΠΕΥΘΥΝΕΤΑΙ ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ ΟΡΓΑΝΩΣΗ ΠΗΓΕΣ ΔΙΔΑΣΚΟΝΤΕΣ 1o μάθημα: ΕΙΣΑΓΩΓΗ Τί είναι Γεωπληροφορική

Διαβάστε περισσότερα

Τεχνολογία Ψυχαγωγικού Λογισμικού και Εικονικοί Κόσμοι Ενότητα 8η - Εικονικοί Κόσμοι και Πολιτιστικό Περιεχόμενο

Τεχνολογία Ψυχαγωγικού Λογισμικού και Εικονικοί Κόσμοι Ενότητα 8η - Εικονικοί Κόσμοι και Πολιτιστικό Περιεχόμενο Τεχνολογία Ψυχαγωγικού Λογισμικού και Εικονικοί Κόσμοι Ενότητα 8η - Εικονικοί Κόσμοι και Πολιτιστικό Περιεχόμενο Ιόνιο Πανεπιστήμιο, Τμήμα Πληροφορικής, 2015 Κωνσταντίνος Οικονόμου, Επίκουρος Καθηγητής

Διαβάστε περισσότερα

ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ. Μάθημα 1 ο : Εισαγωγή στην γλωσσική τεχνολογία. Γεώργιος Πετάσης. Ακαδημαϊκό Έτος: 2012 2013

ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ. Μάθημα 1 ο : Εισαγωγή στην γλωσσική τεχνολογία. Γεώργιος Πετάσης. Ακαδημαϊκό Έτος: 2012 2013 ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ Μάθημα 1 ο : Εισαγωγή στην γλωσσική τεχνολογία Γεώργιος Πετάσης Ακαδημαϊκό Έτος: 2012 2013 ΤMHMA MHXANIKΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ, Πανεπιστήμιο Πατρών, 2012 2013 Τι είναι η γλωσσική τεχνολογία;

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΨΗΦΙΑΚΕΣ ΒΙΒΛΙΟΘΗΚΕΣ. Σαράντος Καπιδάκης

ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΨΗΦΙΑΚΕΣ ΒΙΒΛΙΟΘΗΚΕΣ. Σαράντος Καπιδάκης ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΨΗΦΙΑΚΕΣ ΒΙΒΛΙΟΘΗΚΕΣ Σαράντος Καπιδάκης 0_CONT_Ω.indd iii τίτλος: ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΨΗΦΙΑΚΕΣ ΒΙΒΛΙΟΘΗΚΕΣ συγγραφέας: Καπιδάκης Σαράντος 2014 Εκδόσεις Δίσιγμα Για την ελληνική γλώσσα σε όλον τον

Διαβάστε περισσότερα

Διαχείριση Πολιτισμικών Δεδομένων

Διαχείριση Πολιτισμικών Δεδομένων Διαχείριση Πολιτισμικών Δεδομένων Μάθημα 1 Εισαγωγή στις Βάσεις Δεδομένων Τζανέτος Πομόνης ΤΕΙ Ιονίων Νήσων Τμήμα Τεχνολόγων Περιβάλλοντος Κατεύθυνση Συντήρησης Πολιτισμικής Κληρονομιάς Τι είναι οι Βάσεις

Διαβάστε περισσότερα

Βασικές Έννοιες Πληροφορικής

Βασικές Έννοιες Πληροφορικής Βασικές Έννοιες Πληροφορικής 1. Τι είναι ο Ηλεκτρονικός Υπολογιστής Ο Ηλεκτρονικός Υπολογιστής είναι οποιαδήποτε συσκευή μεγάλη ή μικρή που επεξεργάζεται δεδομένα και εκτελεί την εργασία του σύμφωνα με

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

Μία μέθοδος προσομοίωσης ψηφιακών κυκλωμάτων Εξελικτικής Υπολογιστικής

Μία μέθοδος προσομοίωσης ψηφιακών κυκλωμάτων Εξελικτικής Υπολογιστικής Μία μέθοδος προσομοίωσης ψηφιακών κυκλωμάτων Εξελικτικής Υπολογιστικής Βασισμένο σε μια εργασία των Καζαρλή, Καλόμοιρου, Μαστοροκώστα, Μπαλουκτσή, Καλαϊτζή, Βαλαή, Πετρίδη Εισαγωγή Η Εξελικτική Υπολογιστική

Διαβάστε περισσότερα

Δείχτες Επιτυχίας και Δείχτες Επάρκειας

Δείχτες Επιτυχίας και Δείχτες Επάρκειας Δείχτες Επιτυχίας και Δείχτες Επάρκειας Γ Τάξη Θεματικές Περιοχές: 1. Βασικές έννοιες της Πληροφορικής και της Επιστήμης Ηλεκτρονικών Υπολογιστών 2. Υλικό / Αρχιτεκτονική Ηλεκτρονικού Υπολογιστή 3. Λειτουργικά

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 6 ΕΙΣΑΓΩΓΗ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ. 03/01/09 Χαράλαμπος Τζόκας 1

ΚΕΦΑΛΑΙΟ 6 ΕΙΣΑΓΩΓΗ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ. 03/01/09 Χαράλαμπος Τζόκας 1 ΚΕΦΑΛΑΙΟ 6 ΕΙΣΑΓΩΓΗ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ 03/01/09 Χαράλαμπος Τζόκας 1 Πρόγραμμα - Προγραμματισμός Πρόγραμμα: Σύνολο εντολών που πρέπει να δοθούν στον Υπολογιστή, ώστε να υλοποιηθεί ο αλγόριθμος της επίλυσης

Διαβάστε περισσότερα

Πληροφορική ΙΙ Εισαγωγή στις Βάσεις Δεδομένων. Τμήμα Λογιστικής

Πληροφορική ΙΙ Εισαγωγή στις Βάσεις Δεδομένων. Τμήμα Λογιστικής Εισαγωγή στις Βάσεις Δεδομένων Εισαγωγή στις Βάσεις Δεδομένων Ορισμός Βάσης Δεδομένων Σύστημα Διαχείρισης Βάσης Δεδομένων ΣΔΒΔ (DBMS) Χαρακτηριστικά προσέγγισης συστημάτων αρχειοθέτησης Χαρακτηριστικά

Διαβάστε περισσότερα

A ΕΠΑ.Λ ΕΦΑΡΜΟΓΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 5 η ΕΝΟΤΗΤΑ: ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ. Εκπαιδευτικοί: ΓΑΛΑΝΟΣ ΓΕΩΡΓΙΟΣ ΜΠΟΥΣΟΥΝΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ

A ΕΠΑ.Λ ΕΦΑΡΜΟΓΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 5 η ΕΝΟΤΗΤΑ: ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ. Εκπαιδευτικοί: ΓΑΛΑΝΟΣ ΓΕΩΡΓΙΟΣ ΜΠΟΥΣΟΥΝΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ A ΕΠΑ.Λ ΕΦΑΡΜΟΓΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 5 η ΕΝΟΤΗΤΑ: ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Εκπαιδευτικοί: ΓΑΛΑΝΟΣ ΓΕΩΡΓΙΟΣ ΜΠΟΥΣΟΥΝΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ 1 Βάση Δεδομένων: Με το όρο Βάση Δεδομένων εννοούμε ένα σύνολο δεδομένων που είναι οργανωμένο

Διαβάστε περισσότερα

Ανίχνευση απαιτήσεων χρηστών για υπηρεσίες ψηφιακών βιβλιοθηκών μέσα από ποιοτικές μεθοδολογικές προσεγγίσεις

Ανίχνευση απαιτήσεων χρηστών για υπηρεσίες ψηφιακών βιβλιοθηκών μέσα από ποιοτικές μεθοδολογικές προσεγγίσεις Ανίχνευση απαιτήσεων χρηστών για υπηρεσίες ψηφιακών βιβλιοθηκών μέσα από ποιοτικές μεθοδολογικές προσεγγίσεις Άγγελος Μητρέλης 1, Λεωνίδας Παπαχριστόπουλος 1, Γιάννης Τσάκωνας 1,2, Χρήστος Παπαθεοδώρου

Διαβάστε περισσότερα

Ανάκτηση Πληροφορίας

Ανάκτηση 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 περισσότερα

Ενότητα 12 (κεφάλαιο 28) Αρχιτεκτονικές Εφαρμογών

Ενότητα 12 (κεφάλαιο 28) Αρχιτεκτονικές Εφαρμογών ΕΠΛ362: Τεχνολογία Λογισμικού ΙΙ (μετάφραση στα ελληνικά των διαφανειών του βιβλίου Software Engineering, 9/E, Ian Sommerville, 2011) Ενότητα 12 (κεφάλαιο 28) Αρχιτεκτονικές Εφαρμογών Οι διαφάνειες αυτές

Διαβάστε περισσότερα

«Ωρίων»: Online Πρόγραμμα Πληροφοριακού Γραμματισμού

«Ωρίων»: Online Πρόγραμμα Πληροφοριακού Γραμματισμού «Ωρίων»: Online Πρόγραμμα Πληροφοριακού Γραμματισμού Ηλίας Νίτσος Βιβλιοθήκη ΑΤΕΙ Θεσσαλονίκης, nitsos@lib.teithe.gr Αφροδίτη Μάλλιαρη Τμήμα Βιβλιοθηκονομίας & Συστημάτων Πληροφόρησης, ΑΤΕΙ Θεσσαλονίκης,

Διαβάστε περισσότερα

Βάσεις Δεδομένων. Τ.Ε.Ι. Ιονίων Νήσων Σχολή Διοίκησης και Οικονομίας - Λευκάδα

Βάσεις Δεδομένων. Τ.Ε.Ι. Ιονίων Νήσων Σχολή Διοίκησης και Οικονομίας - Λευκάδα Βάσεις Δεδομένων Τ.Ε.Ι. Ιονίων Νήσων Σχολή Διοίκησης και Οικονομίας - Λευκάδα Στέργιος Παλαμάς, Υλικό Μαθήματος «Βάσεις Δεδομένων», 2015-2016 Κεφάλαιο 2: Περιβάλλον Βάσεων Δεδομένων Μοντέλα Δεδομένων 2.1

Διαβάστε περισσότερα

Εργαστήριο Σημασιολογικού Ιστού

Εργαστήριο Σημασιολογικού Ιστού Εργαστήριο Σημασιολογικού Ιστού Ενότητα 1: Σημασιολογία και Μεταδεδομένα Μ.Στεφανιδάκης 5-2-2016. Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα.

Διαβάστε περισσότερα

Αξιολόγηση πληροφοριακών συστηµάτων και υπηρεσιών πληροφόρησης

Αξιολόγηση πληροφοριακών συστηµάτων και υπηρεσιών πληροφόρησης Ιόνιο Πανεπιστήµιο Τµήµα Αρχειονοµίας Βιβλιοθηκονοµίας Μεταπτυχιακό πρόγραµµα σπουδών στην Επιστήµη της Πληροφορίας Αξιολόγηση πληροφοριακών συστηµάτων και υπηρεσιών πληροφόρησης 2005 2006 Μελέτες χρηστών

Διαβάστε περισσότερα

ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ. Μάθημα 7 ο : Ανάκτηση πληροφορίας. Γεώργιος Πετάσης. Ακαδημαϊκό Έτος:

ΓΛΩΣΣΙΚΗ 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 περισσότερα

Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων

Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣΟΡ Κεφάλαιο 1 : Εισαγωγή στη Θεωρία ωία Πληροφορίας Χρήστος Ξενάκης Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα Ομιλίας Έννοια της πληροφορίας Άλλες βασικές έννοιες Στόχος

Διαβάστε περισσότερα

ΔΙΟΙΚΗΣΗΣ MANAGEMENT INFORMATION SYSTEMS (M.I.S.)

ΔΙΟΙΚΗΣΗΣ MANAGEMENT INFORMATION SYSTEMS (M.I.S.) ΔΙΟΙΚΗΣΗΣ MANAGEMENT INFORMATION SYSTEMS (M.I.S.) 2.1 Κωνσταντίνος Ταραμπάνης Καθηγητής Τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων Πανεπιστήμιο Μακεδονίας Γρ. 307 2310-891-578 kat@uom.gr ΤΑΞΙΝΟΜΗΣΗ ΤΩΝ

Διαβάστε περισσότερα

Πολιτισμική Τεχνολογία. Πολυμέσα & Διαδίκτυο Παράμετροι Δικαίου Μέρος Α

Πολιτισμική Τεχνολογία. Πολυμέσα & Διαδίκτυο Παράμετροι Δικαίου Μέρος Α Πολιτισμική Τεχνολογία Πολυμέσα & Διαδίκτυο Παράμετροι Δικαίου Μέρος Α Δυνατότητες: Σύλληψη, συντήρηση, ανάδειξη Χρήση : Ψηφιακών βίντεο, ήχων, εικόνων, γραφικών παραστάσεων Οι συλλογές καθίστανται διαθέσιμες

Διαβάστε περισσότερα

Διαδανεισμός, Πρωτόκολλο z39.50 Στρατηγικές αναζήτησης

Διαδανεισμός, Πρωτόκολλο z39.50 Στρατηγικές αναζήτησης Διαδανεισμός, Πρωτόκολλο z39.50 Στρατηγικές αναζήτησης Σεμινάρια Βιβλιοθηκονόμων ΕΠΕΑΕΚ 2000 Φίλιππος Τσιμπόγλου Διευθυντής Βιβλιοθήκης Πανεπιστημίου Κύπρου e-mail ftsimp@ucy.ac.cy 2 3 Πρωτόκολλο Z.3950

Διαβάστε περισσότερα

Ανάκτηση Πληροφορίας

Ανάκτηση 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 περισσότερα

ΚΕΦΑΛΑΙΟ 5. Κύκλος Ζωής Εφαρμογών ΕΝΟΤΗΤΑ 2. Εφαρμογές Πληροφορικής. Διδακτικές ενότητες 5.1 Πρόβλημα και υπολογιστής 5.2 Ανάπτυξη εφαρμογών

ΚΕΦΑΛΑΙΟ 5. Κύκλος Ζωής Εφαρμογών ΕΝΟΤΗΤΑ 2. Εφαρμογές Πληροφορικής. Διδακτικές ενότητες 5.1 Πρόβλημα και υπολογιστής 5.2 Ανάπτυξη εφαρμογών 44 Διδακτικές ενότητες 5.1 Πρόβλημα και υπολογιστής 5.2 Ανάπτυξη εφαρμογών Διδακτικοί στόχοι Σκοπός του κεφαλαίου είναι οι μαθητές να κατανοήσουν τα βήματα που ακολουθούνται κατά την ανάπτυξη μιας εφαρμογής.

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

Οι Εξελικτικοί Αλγόριθμοι (ΕΑ) είναι καθολικοί στοχαστικοί αλγόριθμοι βελτιστοποίησης, εμπνευσμένοι από τις βασικές αρχές της φυσικής εξέλιξης.

Οι Εξελικτικοί Αλγόριθμοι (ΕΑ) είναι καθολικοί στοχαστικοί αλγόριθμοι βελτιστοποίησης, εμπνευσμένοι από τις βασικές αρχές της φυσικής εξέλιξης. Οι Εξελικτικοί Αλγόριθμοι (ΕΑ) είναι καθολικοί στοχαστικοί αλγόριθμοι βελτιστοποίησης, εμπνευσμένοι από τις βασικές αρχές της φυσικής εξέλιξης. Ένα από τα γνωστότερα παραδείγματα των ΕΑ είναι ο Γενετικός

Διαβάστε περισσότερα

Εισαγωγή στα Πληροφοριακά Συστήματα. Ενότητα 9: Πληροφοριακά Συστήματα Ορισμοί

Εισαγωγή στα Πληροφοριακά Συστήματα. Ενότητα 9: Πληροφοριακά Συστήματα Ορισμοί Εισαγωγή στα Πληροφοριακά Συστήματα Ενότητα 9: Πληροφοριακά Συστήματα Ορισμοί Κωνσταντίνος Ταραμπάνης Τμήμα Οργάνωσης & Διοίκησης Επιχειρήσεων ΕΙΣΑΓΩΓΗ ΣΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Κωνσταντίνος Ταραμπάνης

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

IEEE Xplore, Institute of Electrical and Electronics Engineers Inc.

IEEE Xplore, Institute of Electrical and Electronics Engineers Inc. IEEE Xplore, Institute of Electrical and Electronics Engineers Inc. Μέσω της υπηρεσίας IEEE Xplore παρέχεται πρόσβαση στα περιεχόμενα, στις περιλήψεις και στα πλήρη κείμενα (full text) άρθρων από επιστημονικά

Διαβάστε περισσότερα

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΙΣΑΓΩΓΗ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΙΣΑΓΩΓΗ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΙΜΕΛΕΙΑ: ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ 6 ΟΥ ΚΕΦΑΛΑΙΟΥ ΕΙΣΑΓΩΓΗ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ 6.1 Τι ονοµάζουµε πρόγραµµα υπολογιστή; Ένα πρόγραµµα

Διαβάστε περισσότερα

Εννοιολογική χαρτογράφηση: Διδακτική αξιοποίηση- Αποτελέσματα για το μαθητή

Εννοιολογική χαρτογράφηση: Διδακτική αξιοποίηση- Αποτελέσματα για το μαθητή Το λογισμικό της εννοιολογικής χαρτογράυησης Inspiration Η τεχνική της εννοιολογικής χαρτογράφησης αναπτύχθηκε από τον καθηγητή Joseph D. Novak, στο πανεπιστήμιο του Cornell. Βασίστηκε στις θεωρίες του

Διαβάστε περισσότερα

ΕΠΛ 003: ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΑ ΣΥΣΤΗΜΑΤΑ

ΕΠΛ 003: ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΑ ΣΥΣΤΗΜΑΤΑ ΕΠΛ 003: ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΑ ΣΥΣΤΗΜΑΤΑ Δρ. Κουζαπάς Δημήτριος Πανεπιστήμιο Κύπρου - Τμήμα Πληροφορικής Μηχανές Αναζήτησης Στόχοι 1 Να εξηγήσουμε για ποιον λόγο μας είναι απαραίτητες

Διαβάστε περισσότερα

Ανάπτυξη & Σχεδίαση Λογισμικού (ΗΥ420)

Ανάπτυξη & Σχεδίαση Λογισμικού (ΗΥ420) Ανάπτυξη & Σχεδίαση Λογισμικού (ΗΥ420) Διάλεξη 8: Σχεδίαση Συστήματος Σχεδίαση Συστήματος 2 Διεργασία μετατροπής του προβλήματος σε λύση. Από το Τί στο Πώς. Σχέδιο: Λεπτομερής περιγραφή της λύσης. Λύση:

Διαβάστε περισσότερα

Managing Information. Lecturer: N. Kyritsis, MBA, Ph.D. Candidate Athens University of Economics and Business. e-mail: kyritsis@ist.edu.

Managing Information. Lecturer: N. Kyritsis, MBA, Ph.D. Candidate Athens University of Economics and Business. e-mail: kyritsis@ist.edu. Managing Information Lecturer: N. Kyritsis, MBA, Ph.D. Candidate Athens University of Economics and Business e-mail: kyritsis@ist.edu.gr Διαχείριση Γνώσης Knowledge Management Learning Objectives Ποιοί

Διαβάστε περισσότερα

ΑΕΠΠ Ερωτήσεις θεωρίας

ΑΕΠΠ Ερωτήσεις θεωρίας ΑΕΠΠ Ερωτήσεις θεωρίας Κεφάλαιο 1 1. Τα δεδομένα μπορούν να παρέχουν πληροφορίες όταν υποβάλλονται σε 2. Το πρόβλημα μεγιστοποίησης των κερδών μιας επιχείρησης είναι πρόβλημα 3. Για την επίλυση ενός προβλήματος

Διαβάστε περισσότερα

Ανοικτά Ακαδηµα κά Μαθήµατα

Ανοικτά Ακαδηµα κά Μαθήµατα ΤΕΙ Ιονίων Νήσων Ανοικτά Ακαδηµα κά Μαθήµατα Ανάλυση Σχεδίαση Υλοποίηση Αξιολόγηση Ανάλυση: Πληροφορίες σχετικά µε τις ανάγκες της εκπαίδευσης Σχεδίαση: Καθορισµός χαρακτηριστικών του εκπαιδευτικού λογισµικού

Διαβάστε περισσότερα

Έρευνες με χρήση φορητής μάθησης στα Μαθηματικά

Έρευνες με χρήση φορητής μάθησης στα Μαθηματικά Έρευνες με χρήση φορητής μάθησης στα Μαθηματικά Οι Drigas & Pappas (2015) κάνουν μια ανασκόπιση των ερευνών της φορητής μάθησης στα Μαθηματικά. Με βάση την ιδέα της ενσωμάτωσης της κινητής μάθησης στην

Διαβάστε περισσότερα

EBSCOhost Research Databases

EBSCOhost Research Databases Η EBSCOhost είναι ένα online σύστημα αναζήτησης σε έναν αριθμό βάσεων δεδομένων, στις οποίες είναι συμβεβλημένο κάθε φορά το ίδρυμα. Διαθέτει πολύγλωσσο περιβάλλον αλληλεπίδρασης (interface) με προεπιλεγμένη

Διαβάστε περισσότερα

Κεφάλαιο 7. ΕΠΑΛ Σύμης Εφαρμογές πληροφορικής Ερωτήσεις επανάληψης

Κεφάλαιο 7. ΕΠΑΛ Σύμης Εφαρμογές πληροφορικής Ερωτήσεις επανάληψης ΕΠΑΛ Σύμης Εφαρμογές πληροφορικής Ερωτήσεις επανάληψης Κεφάλαιο 7 1. Σε τι διαφέρει ο Η/Υ από τις υπόλοιπες ηλεκτρικές και ηλεκτρονικές συσκευές; Που οφείλεται η δυνατότητά του να κάνει τόσο διαφορετικές

Διαβάστε περισσότερα

Προγράμματα για τη δημιουργία και διαχείριση θησαυρού

Προγράμματα για τη δημιουργία και διαχείριση θησαυρού Προγράμματα για τη δημιουργία και διαχείριση θησαυρού Το λογισμικό θησαυρών μπορεί να προορίζεται για έναν υπολογιστή ή για μεγάλο σύστημα, μπορεί να αφορά στην κατασκευή και συντήρηση του θησαυρού ή στην

Διαβάστε περισσότερα

Ψηφιακές πολύμεσες βιβλιοθήκες στο INTERNET - CHILIAS

Ψηφιακές πολύμεσες βιβλιοθήκες στο INTERNET - CHILIAS Ψηφιακές πολύμεσες βιβλιοθήκες στο INTERNET - CHILIAS Αλεξάνδρα Παπάζογλου Ελληνοαμερικανικό Εκπαιδευτικό Ίδρυμα, Βιβλιοθήκη Κολλεγίου Αθηνών Η ανάπτυξη της τηλεπικοινωνιακής υποδομής σε συνδυασμό με τις

Διαβάστε περισσότερα

ΕΠΛ 003: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ. Μηχανές αναζήτησης

ΕΠΛ 003: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ. Μηχανές αναζήτησης ΕΠΛ 003: 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

ΑΝΤΑΓΩΝΙΣΤΙΚΗ ΜΑΘΗΣΗ ΔΙΚΤΥA LVQ και SOM. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων

ΑΝΤΑΓΩΝΙΣΤΙΚΗ ΜΑΘΗΣΗ ΔΙΚΤΥA LVQ και SOM. Τεχνητά Νευρωνικά Δίκτυα (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων ΑΝΤΑΓΩΝΙΣΤΙΚΗ ΜΑΘΗΣΗ ΔΙΚΤΥA LVQ και SOM Μάθηση χωρίς επίβλεψη (unsupervised learning) Σύνολο εκπαίδευσης D={(x n )}, n=1,,n. x n =(x n1,, x nd ) T, δεν υπάρχουν τιμές-στόχοι t n. Προβλήματα μάθησης χωρίς

Διαβάστε περισσότερα

Εννοιολογική Διεύρυνση Ερωτημάτων με τη Χρήση Θησαυρού: μια εμπειρική μελέτη

Εννοιολογική Διεύρυνση Ερωτημάτων με τη Χρήση Θησαυρού: μια εμπειρική μελέτη 19ο Πανελλήνιο Συνέδριο Ακαδημαϊκών Βιβλιοθηκών, 3-5 Νοεμβρίου 2010, Αθήνα Εννοιολογική Διεύρυνση Ερωτημάτων με τη Χρήση Θησαυρού: μια εμπειρική μελέτη Άννα Μάστορα (1) Μαρία Μονόπωλη (2) Σαράντος Καπιδάκης

Διαβάστε περισσότερα

Gemini, FastMap, Applications. Εαρινό Εξάμηνο Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών

Gemini, FastMap, Applications. Εαρινό Εξάμηνο Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών Gemini,, Applications Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών Εαρινό Εξάμηνο 2011-2012 Table of contents 1 Table of contents 1 2 Table of contents 1 2 3 Table of contents

Διαβάστε περισσότερα

Οντολογία Ψηφιακής Βιβλιοθήκης

Οντολογία Ψηφιακής Βιβλιοθήκης Οντολογία Ψηφιακής Βιβλιοθήκης Αντωνάκης Δημήτρης Μητρέλης Άγγελος Παπουτσής Κωνσταντίνος Θεόδωρος Σιώχος Βασίλειος Νοέμβριος 2006 Πάτρα Χρήση Οντολογιών Οι ψηφιακές βιβλιοθήκες με τη βοήθεια των οντολογιών

Διαβάστε περισσότερα

Προγραμματισμός Η/Υ. Προτεινόμενα θέματα εξετάσεων Εργαστήριο. Μέρος 1 ό. ΤΕΙ Λάρισας- Σχολή Τεχνολογικών Εφαρμογών Τμήμα Πολιτικών Έργων Υποδομής

Προγραμματισμός Η/Υ. Προτεινόμενα θέματα εξετάσεων Εργαστήριο. Μέρος 1 ό. ΤΕΙ Λάρισας- Σχολή Τεχνολογικών Εφαρμογών Τμήμα Πολιτικών Έργων Υποδομής Προγραμματισμός Η/Υ Προτεινόμενα θέματα εξετάσεων Εργαστήριο Μέρος 1 ό ΤΕΙ Λάρισας- Σχολή Τεχνολογικών Εφαρμογών Τμήμα Πολιτικών Έργων Υποδομής Ιανουάριος 2011 Καλογιάννης Γρηγόριος Επιστημονικός/ Εργαστηριακός

Διαβάστε περισσότερα

Μιχαήλ Νικητάκης 1, Ανέστης Σίτας 2, Γιώργος Παπαδουράκης Ph.D 1, Θοδωρής Πιτηκάρης 3

Μιχαήλ Νικητάκης 1, Ανέστης Σίτας 2, Γιώργος Παπαδουράκης Ph.D 1, Θοδωρής Πιτηκάρης 3 Information literacy and the autonomous learner Μιχαήλ Νικητάκης 1, Ανέστης Σίτας 2, Γιώργος Παπαδουράκης Ph.D 1, Θοδωρής Πιτηκάρης 3 1) Τεχνολογικό Εκπαιδευτικό Ίδρυµα Κρήτης, nikit@lib.teiher.gr, r,

Διαβάστε περισσότερα

Η χρήση του MOODLE από την οπτική γωνία του ιαχειριστή

Η χρήση του MOODLE από την οπτική γωνία του ιαχειριστή Ανοικτή και Εξ Αποστάσεως Εκπαίδευση Χρησιµοποιώντας το Εκπαιδευτικό Περιβάλλον του MOODLE. Open and Distance Learning Using MOODLE Learning Environment Αθανάσιος Ι. Μάργαρης, Ευθύµιος. Κότσιαλος Πανεπιστήµιο

Διαβάστε περισσότερα

Έρευνα για την Εξοικείωση των Βιβλιοθηκονόμων των Ελληνικών Ακαδημαϊκών Βιβλιοθηκών με τα Metadata

Έρευνα για την Εξοικείωση των Βιβλιοθηκονόμων των Ελληνικών Ακαδημαϊκών Βιβλιοθηκών με τα Metadata Έρευνα για την Εξοικείωση των Βιβλιοθηκονόμων των Ελληνικών Ακαδημαϊκών Βιβλιοθηκών με τα Metadata Δρ. Εμμανουήλ Γαρουφάλλου και Παναγιώτης Μπαλατσούκας E-mail: garoufallou@yahoo.co.uk Τμήμα Βιβλιοθηκονομίας

Διαβάστε περισσότερα

Μέθοδοι Μηχανικής Μάθησης στην επεξεργασία Τηλεπισκοπικών Δεδομένων. Δρ. Ε. Χάρου

Μέθοδοι Μηχανικής Μάθησης στην επεξεργασία Τηλεπισκοπικών Δεδομένων. Δρ. Ε. Χάρου Μέθοδοι Μηχανικής Μάθησης στην επεξεργασία Τηλεπισκοπικών Δεδομένων Δρ. Ε. Χάρου Πρόγραμμα υπολογιστικής ευφυίας Ινστιτούτο Πληροφορικής & Τηλεπικοινωνιών ΕΚΕΦΕ ΔΗΜΟΚΡΙΤΟΣ exarou@iit.demokritos.gr Μηχανική

Διαβάστε περισσότερα

ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ

ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ Ενότητα: Αναγνώριση Διεργασίας - Προσαρμοστικός Έλεγχος (Process Identification) Αλαφοδήμος Κωνσταντίνος

Διαβάστε περισσότερα

Τεχνητή Νοημοσύνη. 18η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Τεχνητή Νοημοσύνη. 18η διάλεξη ( ) Ίων Ανδρουτσόπουλος. Τεχνητή Νοημοσύνη 18η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται: στο βιβλίο Machine Learning του T. Mitchell, McGraw- Hill, 1997,

Διαβάστε περισσότερα

Θεωρητική προσέγγιση του Σημασιολογικού Ιστού στο χώρο της πολιτισμικής πληροφορίας: μία πρότυπη εφαρμογή στη βιβλιοθηκονομία

Θεωρητική προσέγγιση του Σημασιολογικού Ιστού στο χώρο της πολιτισμικής πληροφορίας: μία πρότυπη εφαρμογή στη βιβλιοθηκονομία Θεωρητική προσέγγιση του Σημασιολογικού Ιστού στο χώρο της πολιτισμικής πληροφορίας: μία πρότυπη εφαρμογή στη βιβλιοθηκονομία Σοφία Ζαπουνίδου, Αρχειονόμος Βιβλιοθηκονόμος, Πανεπιστήμιο Θεσσαλίας Κεντρική

Διαβάστε περισσότερα

STORAGE AREA NETWORK. Σπουδαστές: Δόση Νικολέτα Καρακούση Πελαγία 30/5/2014 1

STORAGE AREA NETWORK. Σπουδαστές: Δόση Νικολέτα Καρακούση Πελαγία 30/5/2014 1 STORAGE AREA NETWORK Σπουδαστές: Δόση Νικολέτα Καρακούση Πελαγία 30/5/2014 1 ΤΙ ΕΙΝΑΙ ΔΙΚΤΥΟ ΑΠΟΘΗΚΕΥΣΗΣ ΔΕΔΟΜΕΝΩΝ (SAN) ΟΡΙΣΜΟΣ ΔΙΚΤΥΟΥ ΑΠΟΘΗΚΕΥΣΗΣ ΔΕΔΟΜΕΝΩΝ (SAN) Οποιοδήποτε, υψηλής απόδοσης, δίκτυο

Διαβάστε περισσότερα

Εισαγωγή στα Πληροφοριακά Συστήματα

Εισαγωγή στα Πληροφοριακά Συστήματα Εισαγωγή στα Πληροφοριακά Συστήματα Ενότητα 3: Η έννοια της ΠΛΗΡΟΦΟΡΙΑΣ - INFORMATION Κωνσταντίνος Ταραμπάνης Τμήμα Οργάνωσης & Διοίκησης Επιχειρήσεων ΕΙΣΑΓΩΓΗ ΣΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Κωνσταντίνος Ταραμπάνης

Διαβάστε περισσότερα

Βάσεις εδοµένων & Πολυµέσα

Βάσεις εδοµένων & Πολυµέσα Βάσεις εδοµένων & Πολυµέσα Κουρέλης Στάθης Παρουσίαση πρακτικού µέρους 4ης εργασίας Καθηγητής: κ. Στυλιαράς Γ. Αθήνα - Απρίλιος 2009 Εισαγωγή Οι Βάσεις εδοµένων Πολυµέσων παρέχουν χαρακτηριστικά που επιτρέπουν

Διαβάστε περισσότερα

Ιόνιο Πανεπιστήμιο - Τμήμα Αρχειονομίας - Βιβλιοθηκονομίας

Ιόνιο Πανεπιστήμιο - Τμήμα Αρχειονομίας - Βιβλιοθηκονομίας Μεταδεδομένα για Ψηφιακές Βιβλιοθήκες Γ. Δ. Μπώκος Μεταδεδομένα: Ο όρος Μεταδεδομένα: «Δεδομένα σχετικά με Δεδομένα» Αναλυτικότερα: «Το σύνολο όσων θα μπορούσε να πει κανείς για ένα πληροφοριακό αντικείμενο

Διαβάστε περισσότερα

Σύστημα υποβολής αιτήσεων υποψήφιων συνεργατών ΕΚΤ

Σύστημα υποβολής αιτήσεων υποψήφιων συνεργατών ΕΚΤ Σύστημα υποβολής αιτήσεων υποψήφιων συνεργατών ΕΚΤ 1 Λειτουργικές απαιτήσεις Το σύστημα υποβολής αιτήσεων υποψήφιων συνεργατών στοχεύει στο να επιτρέπει την πλήρως ηλεκτρονική υποβολή αιτήσεων από υποψήφιους

Διαβάστε περισσότερα

Μαθησιακά Αντικείμενα

Μαθησιακά Αντικείμενα Μαθησιακά Αντικείμενα Κλειώ Σγουροπούλου Μονάδα Αριστείας ΕΛ/ΛΑΚ ΤΕΙ Αθήνας Περιεχόμενα 2 Μαθησιακά Αντικείμενα: Ανοικτοί Εκπαιδευτικοί Πόροι (ΑΕΠ) Open Educational Resources, δεδομένα, μεταδεδομένα, πρότυπα

Διαβάστε περισσότερα

Εννοιολογική Ομοιογένεια

Εννοιολογική Ομοιογένεια Ιόνιο Πανεπιστήμιο Τμήμα Αρχειονομίας Βιβλιοθηκονομίας Εργαστήριο Ψηφιακών Βιβλιοθηκών και Ηλεκτρονικής Δημοσίευσης Εννοιολογική Ομοιογένεια Αξιοποίηση Ταξινομικών Συστημάτων Γεωργία Προκοπιάδου, Διονύσης

Διαβάστε περισσότερα

ΑΣΚΗΣΗ. Δημιουργία Ευρετηρίων Συλλογής Κειμένων

ΑΣΚΗΣΗ. 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 περισσότερα

Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον

Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον ΚΕΦΑΛΑΙΑ 3 και 9 ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ ΠΙΝΑΚΕΣ Δεδομένα αφαιρετική αναπαράσταση της πραγματικότητας και συνεπώς μία απλοποιημένη όψη της δηλαδή.

Διαβάστε περισσότερα

Μοντέλο Οντοτήτων-Συσχετίσεων. Η ανάγκη Διαγράμματα ΟΣ Σύνολα Οντοτήτων-Συσχετίσεων Απεικονίσεις Επεκτάσεις

Μοντέλο Οντοτήτων-Συσχετίσεων. Η ανάγκη Διαγράμματα ΟΣ Σύνολα Οντοτήτων-Συσχετίσεων Απεικονίσεις Επεκτάσεις Η ανάγκη Διαγράμματα ΟΣ Σύνολα Οντοτήτων-Συσχετίσεων Απεικονίσεις Επεκτάσεις Μοντέλα Δεδομένων Μοντέλο: αφαιρετική αναπαράσταση του πραγματικού κόσμου. Μοντέλα βασισμένα σε εγγραφές (record based models)

Διαβάστε περισσότερα

Μηχανουργική Τεχνολογία ΙΙ

Μηχανουργική Τεχνολογία ΙΙ Μηχανουργική Τεχνολογία ΙΙ Χαρακτηριστικά διεργασιών - Παραμετροποίηση-Μοντελοποίηση Associate Prof. John Kechagias Mechanical Engineer, Ph.D. Παραμετροποίηση - Μοντελοποίηση Στο κεφάλαιο αυτό γίνεται

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

Αρχές κωδικοποίησης. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 08-1

Αρχές κωδικοποίησης. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 08-1 Αρχές κωδικοποίησης Απαιτήσεις κωδικοποίησης Είδη κωδικοποίησης Κωδικοποίηση εντροπίας Διαφορική κωδικοποίηση Κωδικοποίηση μετασχηματισμών Στρωματοποιημένη κωδικοποίηση Κβαντοποίηση διανυσμάτων Τεχνολογία

Διαβάστε περισσότερα

Προγραμματισμός Υπολογιστών

Προγραμματισμός Υπολογιστών Προγραμματισμός Υπολογιστών Βασικές γνώσεις Κ. Βασιλάκης, ΣΤΕΦ, ΤΕΙ Κρήτης Η Πληροφορική και τα εργαλεία της Παροχή έγκαιρης και έγκυρης πληροφόρησης. Καταχώριση στοιχείων Αποθήκευση Επεξεργασία ψηφιακών

Διαβάστε περισσότερα

Ηλεκτρονικός πολύγλωσσος θησαυρός : το μέλλον στην αυτοματοποιημένη ευρετηρίαση

Ηλεκτρονικός πολύγλωσσος θησαυρός : το μέλλον στην αυτοματοποιημένη ευρετηρίαση Ηλεκτρονικός πολύγλωσσος θησαυρός : το μέλλον στην αυτοματοποιημένη ευρετηρίαση Α. Βασιλείου Η διαδικασία καθώς και οι μέθοδοι βελτιστοποίησης των υπηρεσιών πληροφόρησης έχουν απασχολήσει επανειλημμένα

Διαβάστε περισσότερα

ΕΙΔΙΚΟΤΗΤΑ: ΤΕΧΝΙΚΟΣ ΕΦΑΡΜΟΓΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΑΘΗΜΑ: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ

ΕΙΔΙΚΟΤΗΤΑ: ΤΕΧΝΙΚΟΣ ΕΦΑΡΜΟΓΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΑΘΗΜΑ: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΕΙΔΙΚΟΤΗΤΑ: ΤΕΧΝΙΚΟΣ ΕΦΑΡΜΟΓΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΑΘΗΜΑ: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ (Τμήματα Υπολογιστή) ΕΚΠΑΙΔΕΥΤΗΣ:ΠΟΖΟΥΚΙΔΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ ΤΜΗΜΑΤΑ ΗΛΕΚΤΡΟΝΙΚΟΥ ΥΠΟΛΟΓΙΣΤΗ Κάθε ηλεκτρονικός υπολογιστής αποτελείται

Διαβάστε περισσότερα

ΑΝΑΠΤΥΞΗ ΥΠΟΔΟΜΩΝ ΑΝΟΙΚΤΗΣ ΠΡΟΣΒΑΣΗΣ ΙΔΡΥΜΑΤΙΚΟ ΑΠΟΘΕΤΗΡΙΟ «ΟΛΥΜΠΙΑΣ» Διαλειτουργικότητα Ιδρυματικών Αποθετηρίων

ΑΝΑΠΤΥΞΗ ΥΠΟΔΟΜΩΝ ΑΝΟΙΚΤΗΣ ΠΡΟΣΒΑΣΗΣ ΙΔΡΥΜΑΤΙΚΟ ΑΠΟΘΕΤΗΡΙΟ «ΟΛΥΜΠΙΑΣ» Διαλειτουργικότητα Ιδρυματικών Αποθετηρίων ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΑΠΤΥΞΗ ΥΠΟΔΟΜΩΝ ΑΝΟΙΚΤΗΣ ΠΡΟΣΒΑΣΗΣ ΙΔΡΥΜΑΤΙΚΟ ΑΠΟΘΕΤΗΡΙΟ «ΟΛΥΜΠΙΑΣ» Διαλειτουργικότητα Ιδρυματικών Αποθετηρίων Δημητριάδης Σάββας Πληροφορικός, MSc. Συνεργάτης Έργου Το Ιδρυματικό

Διαβάστε περισσότερα

Αναφορά εργασιών για το τρίμηνο Μάρτιος 2013 Μάιος 2013 Όνομα : Παπαχριστόπουλος Λεωνίδας

Αναφορά εργασιών για το τρίμηνο Μάρτιος 2013 Μάιος 2013 Όνομα : Παπαχριστόπουλος Λεωνίδας Στο πλαίσιο της πράξης «Αναβάθμιση και Εμπλουτισμός των Ψηφιακών Υπηρεσιών της Βιβλιοθήκης του Παντείου Πανεπιστημίου». Η Πράξη συγχρηματοδοτείται από το Ευρωπαϊκό Ταμείο Περιφερειακής Ανάπτυξης (ΕΤΠΑ).

Διαβάστε περισσότερα

Ευφυείς Τεχνολογίες - Πράκτορες

Ευφυείς Τεχνολογίες - Πράκτορες Ευφυείς Τεχνολογίες - Πράκτορες Δημοσθένης Σταμάτης demos@it.teithe.gr www.it.teithe.gr/~demos Αντώνης Σιδηρόπουλος asidirop@gmail.com www.it.teithe.gr/~asidirop 1 Τάσεις με καθοριστικό ρόλο στην Επιστήμη

Διαβάστε περισσότερα