INFORMATION RETRIEVAL

Obiettivi di apprendimento

Lo studente che completerà con successo il percorso didattico avrà l'abilità e le conoscenze per progettare un semplice motore di ricerca e/o uno strumento di IR, utile nelle applicazioni moderne per il Web o i Big Data.

Gli studenti verranno valutati in base alle loro abilità e conoscenze acquisite sui contenuti del corso, attraverso una prova scritto/orale, accompagnata da eventuali prove intermedie.

Ulteriori informazioni possono essere trovare nella home page del corso.

Gli studenti alla fine del percorso didattico saranno in grado di progettare e valutare motori di ricerca e IR tool, adottando soluzioni algoritmiche allo stato dell'arte.

Esame scritto e orale, con la possibilità di svolgere prove intermedie

Gli studenti saranno esposti durante il corso al contesto dell'IR su Big Data testuali e non, le loro sfide, le scelte algoritmiche, e apprezzeranno l'impatto che le soluzioni efficienti in tempo e spazio viste in classe hanno sull'analisi, la ricerca e il mining di Big Data nelle applicazioni practiche.

Esame scritto e orale, con la possibilità di svolgere prove intermedie

Prerequisiti

Esami sul progetto di algoritmi, e conoscenze di programmazione e Math.

Indicazioni metodologiche

Lezioni di didattica frontale, e attraverso lo studio individuale.

Programma

Studio, progetto e analisi di sistemi di Information Retrieval che risultano efficienti ed efficaci nel processare, analizzare, memorizzare, ricercare, classificare e raggruppare documenti testuali e non. Le lezioni descriveranno

- le principali componenti di un motore di ricerca moderno: Crawler, Parser, Compressor, Indexer, Query resolver, Query and Document annotator, Results Ranker;

- le tecniche algoritmiche che sono alla base del progetto di applicazioni di IR per la compressione, l'indicizzazione e lo sketching di documenti;

- alcuni IR tool che sono utilizzati come componenti di motori di ricerca sofisticati oppure come tool indipendenti in applicazioni per processano Big Data, quali: Recommendation, Random Sampling, Locality Sensitive Hashing.

Bibliografia

C.D. Manning, P. Raghavan, H. Schutze. Introduction to Information Retrieval. Cambridge University Press, 2008

Alcune note in Inglese scritte dal docente

Non frequentanti

Come per i frequentanti

Modalità di esame

Esame scritto e orale, con la possibilità di svolgere prove intermedie

Pagina del corso

Fonte: ESSETRE e Portale esami