Aller au contenu

Recherche d’Information (RI)

Programming, Math, Information Retrieval · notes

Fiche de révisionRésumé

Résumé – Recherche d’Information (RI)

Rédigée à partir de ce document, puis vérifiée avant publication.

Projet recherche d'information

Le projet de recherche d'information (RI) se concentre sur le développement d'un système de recherche de documents structurés. Ce document présente les étapes du projet, des exemples de programmes d'indexation, ainsi que des détails sur la collection INEX 2009. Les étudiants apprendront à construire des runs de recherche et à évaluer les résultats obtenus.

Étapes du projet RI

Le projet RI est divisé en plusieurs étapes, chacune ayant des objectifs spécifiques. Les étapes clés incluent :

  1. Formation des équipes : Les étudiants doivent former des équipes de quatre et choisir un nom d'équipe basé sur la concaténation de leurs prénoms.
  2. Envoi des premiers runs : Les équipes doivent soumettre leurs premiers runs INEX, suivis d'une vérification et évaluation des résultats.
  3. Délais : Les runs doivent être soumis au plus tard deux jours avant chaque cours pour permettre une évaluation.
  4. Rendu final : Les équipes doivent soumettre leurs runs définitifs et un rapport final à la date limite spécifiée.

Calendrier du projet

Le calendrier du projet est structuré comme suit :

  • 15/11 : Formation des équipes et envoi des premiers runs.
  • 19/01 : Envoi des runs définitifs et évaluation finale.
  • 29/01 : Deadline pour le rendu du rapport.

Exemple de programme d'indexation

Les étudiants sont invités à écrire un programme dans le langage de leur choix (perl, java, python, etc.) pour indexer des documents contenus dans un fichier. Plusieurs fichiers de collection de tailles croissantes sont disponibles, permettant aux étudiants de tester leurs programmes sur des ensembles de données variés.

Collections disponibles

Les collections disponibles pour l'indexation incluent :

  • 55k 01-Text_Only-Ascii-Coll-1-10-NoSem.gz
  • 52k 02-Text_Only-Ascii-Coll-11-20-NoSem.gz
  • 103k 03-Text_Only-Ascii-Coll-21-50-NoSem.gz
  • 96k 04-Text_Only-Ascii-Coll-51-100-NoSem.gz
  • 357k 05-Text_Only-Ascii-Coll-101-200-NoSem.gz
  • 559k 06-Text_Only-Ascii-Coll-201-500-NoSem.gz
  • 747k 07-Text_Only-Ascii-Coll-501-1000-NoSem.gz
  • 1.2M 08-Text_Only-Ascii-Coll-1001-2000-NoSem.gz
  • 4.1M 09-Text_Only-Ascii-Coll-2001-5000-NoSem.gz

Collection INEX 2009

La collection utilisée dans le projet comprend 9804 articles XML extraits d'un ensemble plus large de 2,6 millions d'articles. Les requêtes INEX 2009 sont les suivantes :

  • 2009011 : olive oil health benefit
  • 2009036 : notting hill film actors
  • 2009067 : probabilistic models in information retrieval
  • 2009073 : web link network analysis
  • 2009074 : web ranking scoring algorithm
  • 2009078 : supervised machine learning algorithm
  • 2009085 : operating system +mutual +exclusion

Format XML pour RIS

La collection est disponible en version texte et en version XML. La version XML est particulièrement utile pour le système de recherche d'information (RIS). Les étudiants doivent utiliser un parser XML pour traiter les données, avec des exemples fournis pour les langages Java et Perl.

Points clés à retenir

Voici les éléments essentiels à retenir concernant le projet de recherche d'information :

  • Le projet se concentre sur le développement d'un système de recherche de documents structurés.
  • Les étapes incluent la formation d'équipes, l'envoi de runs et l'évaluation des résultats.
  • Les étudiants doivent écrire un programme d'indexation pour traiter des collections de documents.
  • La collection INEX 2009 comprend 9804 articles XML avec des requêtes spécifiques.

Questions fréquentes

Quelles sont les étapes du projet RI ?

Le projet RI comporte plusieurs étapes, y compris la formation des équipes, l'envoi de runs, la vérification et l'évaluation des résultats, et la soumission d'un rapport final.

Comment écrire un programme d'indexation ?

Les étudiants peuvent utiliser n'importe quel langage de programmation pour écrire un programme d'indexation. Ils doivent traiter des fichiers de collection disponibles pour tester leurs programmes.

Qu'est-ce que la collection INEX 2009 ?

La collection INEX 2009 comprend 9804 articles XML extraits d'un ensemble plus large, avec des requêtes spécifiques à explorer dans le cadre du projet.

Comment utiliser le format XML pour RIS ?

Les étudiants doivent utiliser un parser XML pour traiter la version XML de la collection, avec des exemples fournis pour les langages Java et Perl.

Quelle est l'importance de la pondération dans les runs ?

La pondération est essentielle pour déterminer la pertinence des résultats dans les runs. Les étudiants peuvent utiliser différentes méthodes de pondération, comme ltn ou ltc, pour optimiser leurs résultats.

Toutes les révisions