1484605993

6. Ćwiczenia

1. Rozważmy kolekcję 100 dokumentów, z których 8 jest uważanych za istotne (relevant) względem zapytania: {d2, d11, d16, d25, d46, d61, d79, d97). Podejście wykorzystane w celu wyszukania (retrieve) dokumentów w odpowiedzi na zapytanie zwróciło 10 dokumentów:

d1, d2. d10, d25, d40, d49, d51, d61, d76, d97

w formie rankingu. Oblicz miary „precision” oraz „recall" dla 5 i 10 pierwszych dokumentów w rankingu.

2. Załóżmy, że dla danego zapytania są 4 istotne dokumenty w kolekcji dokumentów. Wyniki algorytmu dla tego zapytania są następujące (R - relevant, N - non-relevant):

RNRNNNNNRR

Jakia jest wartość miary MAP dla tego systemu?

3. Oblicz wagi koncentratorów (h) i autorytetów (a) dla następującego grafu, korzystając z kalkulatora wartości i wektorów własnych znalezionego w sieci (calculator for eigenvalues and eigenvectors). Oblicz L, LL^T oraz L^TL.

4. Załóżmy, że początkowe zapytanie użytkownika jest następujące „cheap CDs cheap DVDs extremely cheap CDs". Użytkownik ocenia dwa pierwsze dokumenty D1 =„CDs cheap software cheap CDs" i D2=„cheap thrills DVDs" zwrócone przez system jako odpowiednio istotny i nieistotny. Zakładając wykorzystanie reprezentacji bag-of-words, jaka będzie postać zmodyfikowanego zapytania, jeśli wykorzystano metodę „Rocchio relevance feedback" z parametrami a=1, p=0.75 i y=0.25?

	Q	D1	D2	Q’
cheap
CDs
DVDs
extremely
software
thrills