Information Retrieval (a.a. 2020/21)

Esci dai Frame

Information Retrieval (a.a. 2020/21)

Elenco dei File nel deposito

Sommario Contenuti

1.Novità

2.Programma del Corso

3.Testi di Riferimento

4.Link Utili

5.Diapositive delle lezioni

6.Progetti ed Esercizi Proposti

Novità

Le lezioni del Corso seguiranno il seguente calendario settimanale:

MARTEDI', h. 11:30-13:00 (su piattaforma Teams dell'Ateneo)

VENERDI', h. 16:30-18:00 (su piattaforma Teams dell'Ateneo)

Le lezioni saranno erogate sul canale TEAMS del corso: GAMBOSI-8067438-INFORMATION_RETRIEVAL
Il ricevimento studenti si terra' dopo ciascuna lezione, previa prenotazione da parte dello studente.

Per essere aggiunti al corso ed al canale Teams, e' NECESSARIO ISCRIVERSI al corso stesso usando la Pagina di Iscrizione (Delphi).

La PRIMA PROVA di ESONERO e' fissata per Venerdi' 13 Novembre, ore 16.30 su Teams.
Si ricorda a tutti gli studenti che e' obbligatorio registrarsi al corso per sostenere la prova d'esame.

I Risultati della PRIMA PROVA DI ESONERO sono disponibili al seguente LINK. E' possibile contattare i docenti per fissare un incontro per la visione delle prove.

La SECONDA PROVA di ESONERO e il PRIMO TEST FINALE sono fissati per Venerdi' 8 Gennaio, ore 16.30 su Teams.
Si ricorda a tutti gli studenti che e' obbligatorio registrarsi al corso per sostenere la prova d'esame.

I Risultati della SECONDA PROVA DI ESONERO e della PRIMA PROVA FINALE sono disponibili al seguente LINK. La visione delle prove e' prevista per venerdi' 22 Gennaio a valle della lezione.

La Seconda Prova Finale (prova scritta) potra' essere sostenuta il giorno Venerdi' 19 Febbraio ore 10 sul canale Teams del corso.
E' obbligatorio contattare i docenti del corso per poter sostenere tale prova scritta.

La presentazione dei progetti e la prova d'esame orale potra' essere sostenuta in una delle seguenti date:

Venerdi' 5 Febbraio, ore 10.00 sul canale Teams del corso.

Venerdi' 26 Febbraio, ore 10.00 sul canale Teams del corso.

E' obbligatorio registrarsi su DELPHI per sostenere e verbalizzare l'esame.

I Risultati della SECONDA PROVA FINALE sono disponibili al seguente LINK.

Programma del Corso

Segue il programma preliminare del Corso che sara' messo a punto ed finalizzato al termine delle lezioni del Corso.

Introduzione al problema dell'Information Retrieval

Definizione della nozione di Inverted Indices

Costruzione di Indici per l'Information Retrieval

Algoritmi per la codifica e compressione dell'Informazione

Funzione di Ranking documentale

Introduzione al Vector Space Model

Modelli Probabilistici per l'Information Retrieval

Valutazione dei Sistemi di IR

Sviluppo efficiente e su larga scala di sistemi di IR

Crawling e Detection di risorse duplicate

Introduzione a IR engines (e.g., Apache Lucene)

Introduzione a Map Reduce

Testi di Riferimento

IR - Introduction to Information Retrieval, Christopher D. Manning, Prabhakar Raghavan and Hinrich Schutze, Cambridge University Press. 2008. Find the book Home page HERE.

Dispense fornite dal docente

Lezioni (Lucidi)

QUI saranno pubblicate le slide delle singole lezioni. Non costituiscono l'esclusivo materiale didattico su cui si puo' preparare l'esame ma forniscono i dettagli sugli aspetti del programma cui concentrare la propria preparazione e gli esempi ed esercizi utili alla comprensione della materia.

Lezione Iniziale: Introduzione al Corso.

Lezione 1: Introduzione al Modello Booleano e Definizione della nozione di Inverted Indices (le slide di riferimento possono essere trovate al seguente link)

Lezione 2: Costruzione di Indici per l'Information Retrieval (le slide di riferimento possono essere trovate al seguente link)

Lezione 3: Algoritmi per la codifica e compressione dell'Informazione nell'IR (le slide di riferimento possono essere trovate al seguente link)

Lezione 4: Funzione di Ranking documentale. Introduzione al Vector Space Model

Lezione 5: Modelli Probabilistici per l'Information Retrieval

Lezione 6: Valutazione dei Sistemi di Information Retrieval

Lezione 7: Sviluppo efficiente di sistemi di IR

Lezione 8: Language Models per l'Information Retrieval

Lezione 9: Relevance feedback and Query expansion

Lezione 10: Link Analysis

Esercitazioni

QUI saranno pubblicate le slide delle singole esercitazioni e laboratori.

Esercitazione 1: Implementazione di Indici per l'Information Retrieval in Python.
Nei seguenti Python Book vengono riportati degli esempi di:

Indici non Posizionali

Query complesse ad Indici non Posizionali

Indici Posizionali

Per gli esempi e' necessario scaricare il corpus 20Newsgroups anche scaricabile al seguente LINK.

Esercitazione 2: Implementazione di un Vector Space Model.
Nei seguenti Python Books vengono riportati esempi di implementazione di un Vector Space Model e modelli Probabilistici BM25
E' necessario scaricare il corpus scaricabile al seguente LINK.

Esercitazione 3: un Sistema di Information Retrieval: Lucene.
Risorse (Lucene core, Luke dataset e wrapper code) relative alla Indicizzazione e Valutazione di un Motore di Ricerca sulla Collezione Cranfield sono disponibili al seguente LINK.

Esercitazione 4: Hand-on Spark. Gli esempi mostrati a lezione relativi alla programmazione in ambiente Spark sono disponibili al seguente LINK.

Progetti

L'esame comprende, in maniera NON obbligatoria per chi sostiene l'esame da 6 crediti, lo svolgimento di un progetto implementativo da eseguire eventualmente in gruppi. La descrizione dei progetti proposti sara' disponibile durante il corso.

	Information Retrieval (a.a. 2020/21)

Elenco dei File nel deposito


Sommario Contenuti 1.Novità 2.Programma del Corso 3.Testi di Riferimento 4.Link Utili 5.Diapositive delle lezioni 6.Progetti ed Esercizi Proposti
Novità Le lezioni del Corso seguiranno il seguente calendario settimanale: MARTEDI', h. 11:30-13:00 (su piattaforma Teams dell'Ateneo) VENERDI', h. 16:30-18:00 (su piattaforma Teams dell'Ateneo) Le lezioni saranno erogate sul canale TEAMS del corso: GAMBOSI-8067438-INFORMATION_RETRIEVAL Il ricevimento studenti si terra' dopo ciascuna lezione, previa prenotazione da parte dello studente. Per essere aggiunti al corso ed al canale Teams, e' NECESSARIO ISCRIVERSI al corso stesso usando la Pagina di Iscrizione (Delphi). La PRIMA PROVA di ESONERO e' fissata per Venerdi' 13 Novembre, ore 16.30 su Teams. Si ricorda a tutti gli studenti che e' obbligatorio registrarsi al corso per sostenere la prova d'esame. I Risultati della PRIMA PROVA DI ESONERO sono disponibili al seguente LINK. E' possibile contattare i docenti per fissare un incontro per la visione delle prove. La SECONDA PROVA di ESONERO e il PRIMO TEST FINALE sono fissati per Venerdi' 8 Gennaio, ore 16.30 su Teams. Si ricorda a tutti gli studenti che e' obbligatorio registrarsi al corso per sostenere la prova d'esame. I Risultati della SECONDA PROVA DI ESONERO e della PRIMA PROVA FINALE sono disponibili al seguente LINK. La visione delle prove e' prevista per venerdi' 22 Gennaio a valle della lezione. La Seconda Prova Finale (prova scritta) potra' essere sostenuta il giorno Venerdi' 19 Febbraio ore 10 sul canale Teams del corso. E' obbligatorio contattare i docenti del corso per poter sostenere tale prova scritta. La presentazione dei progetti e la prova d'esame orale potra' essere sostenuta in una delle seguenti date: Venerdi' 5 Febbraio, ore 10.00 sul canale Teams del corso. Venerdi' 26 Febbraio, ore 10.00 sul canale Teams del corso. E' obbligatorio registrarsi su DELPHI per sostenere e verbalizzare l'esame. I Risultati della SECONDA PROVA FINALE sono disponibili al seguente LINK.
Programma del Corso Segue il programma preliminare del Corso che sara' messo a punto ed finalizzato al termine delle lezioni del Corso. Introduzione al problema dell'Information Retrieval Definizione della nozione di Inverted Indices Costruzione di Indici per l'Information Retrieval Algoritmi per la codifica e compressione dell'Informazione Funzione di Ranking documentale Introduzione al Vector Space Model Modelli Probabilistici per l'Information Retrieval Valutazione dei Sistemi di IR Sviluppo efficiente e su larga scala di sistemi di IR Crawling e Detection di risorse duplicate Introduzione a IR engines (e.g., Apache Lucene) Introduzione a Map Reduce
Testi di Riferimento IR - Introduction to Information Retrieval, Christopher D. Manning, Prabhakar Raghavan and Hinrich Schutze, Cambridge University Press. 2008. Find the book Home page HERE. Dispense fornite dal docente
Lezioni (Lucidi) QUI saranno pubblicate le slide delle singole lezioni. Non costituiscono l'esclusivo materiale didattico su cui si puo' preparare l'esame ma forniscono i dettagli sugli aspetti del programma cui concentrare la propria preparazione e gli esempi ed esercizi utili alla comprensione della materia. Lezione Iniziale: Introduzione al Corso. Lezione 1: Introduzione al Modello Booleano e Definizione della nozione di Inverted Indices (le slide di riferimento possono essere trovate al seguente link) Lezione 2: Costruzione di Indici per l'Information Retrieval (le slide di riferimento possono essere trovate al seguente link) Lezione 3: Algoritmi per la codifica e compressione dell'Informazione nell'IR (le slide di riferimento possono essere trovate al seguente link) Lezione 4: Funzione di Ranking documentale. Introduzione al Vector Space Model Lezione 5: Modelli Probabilistici per l'Information Retrieval Lezione 6: Valutazione dei Sistemi di Information Retrieval Lezione 7: Sviluppo efficiente di sistemi di IR Lezione 8: Language Models per l'Information Retrieval Lezione 9: Relevance feedback and Query expansion Lezione 10: Link Analysis
Esercitazioni QUI saranno pubblicate le slide delle singole esercitazioni e laboratori. Esercitazione 1: Implementazione di Indici per l'Information Retrieval in Python. Nei seguenti Python Book vengono riportati degli esempi di: Indici non Posizionali Query complesse ad Indici non Posizionali Indici Posizionali Per gli esempi e' necessario scaricare il corpus 20Newsgroups anche scaricabile al seguente LINK. Esercitazione 2: Implementazione di un Vector Space Model. Nei seguenti Python Books vengono riportati esempi di implementazione di un Vector Space Model e modelli Probabilistici BM25 E' necessario scaricare il corpus scaricabile al seguente LINK. Esercitazione 3: un Sistema di Information Retrieval: Lucene. Risorse (Lucene core, Luke dataset e wrapper code) relative alla Indicizzazione e Valutazione di un Motore di Ricerca sulla Collezione Cranfield sono disponibili al seguente LINK. Esercitazione 4: Hand-on Spark. Gli esempi mostrati a lezione relativi alla programmazione in ambiente Spark sono disponibili al seguente LINK.
Progetti L'esame comprende, in maniera NON obbligatoria per chi sostiene l'esame da 6 crediti, lo svolgimento di un progetto implementativo da eseguire eventualmente in gruppi. La descrizione dei progetti proposti sara' disponibile durante il corso.