Recherche d’Information (RI)
Recherche d’Information (RI)
Programming, Math, Information Retrieval · notes
Fiche de révisionRésumé
Rédigée à partir de ce document, puis vérifiée avant publication.
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.
Le projet RI est divisé en plusieurs étapes, chacune ayant des objectifs spécifiques. Les étapes clés incluent :
Le calendrier du projet est structuré comme suit :
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.
Les collections disponibles pour l'indexation incluent :
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 :
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.
Voici les éléments essentiels à retenir concernant le projet de recherche d'information :
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.
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.
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.
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.
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.