Dobývání informací z webu - NSWI107

• Anglický název: Web Knowledge Mining
• Zajišťuje: Katedra softwarového inženýrství (32-KSI)
• Fakulta: Matematicko-fyzikální fakulta
• Platnost: od 2007
• Semestr: letní
• E-Kredity: 6
• Rozsah, examinace: letní s.:2/2, Z+Zk [HT]
• Počet míst: neomezen
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: zrušen
• Jazyk výuky: čeština
• Způsob výuky: prezenční
• Způsob výuky: prezenční
• Garant: RNDr. Leo Galamboš, Ph.D.
• Třída: Informatika Mgr. - volitelný
• Kategorizace předmětu: Informatika > Informatika, Aplikační software, Počítačová grafika a geometrie, Databázové systémy, Didaktika informatiky, Diskrétní matematika, Předměty širšího základu, Předměty obecného základu, Počítačová a formální lingvistika, Optimalizace, Programování, Softwarové inženýrství, Teoretická informatika
• Prerekvizity : NDBI010, NPRG013

Anotace

čeština

Poslední úprava: T_KSI (24.05.2005)

Kurs je zaměřen na pochopení základních konceptů a pokročilých technik pro fulltextové webové vyhledávací systémy. Kurs pokrývá efektivní indexování, vyhledávání a procházení webu; Shlukování a dobývání informací. Účastník kursu bude implementovat projekt z oblasti webového vyhledávání.

angličtina

Poslední úprava: T_KSI (29.03.2005)

This course is intended to provide the student with an understanding of the fundamental concepts and advanced techniques for text-based information systems on the Web. This course covers efficient Web indexing, searching and crawling; Clustering, classification, text mining. The student will implement a project from diverse topics in the Web information retrieval.

Literatura

Poslední úprava: T_KSI (29.03.2005)

Soumen Chakrabarti: Mining the Web: Discovering Knowledge from Hypertext Data. Amsterdam: Morgan Kaufmann, 2003.

Ricardo Baeza-Yates, Berthier Ribeiro-Neto: Modern Information Retrieval. Addison Wesley, 1999.

Ian H. Witten, Alistair Moffat, and Timothy C. Bell: Managing

Gigabytes: Compressing and Indexing Documents and Images. Van Nostrand Reinhold, 1994.

Sylabus

čeština

Poslední úprava: T_KSI (29.03.2005)

Jak implementovat vysokokapacitní robot.

Vektorový model, invertovaný index, kvalitativní měřítka vyhledávání.

Seznamy stop-slov, stemování, lematizace, soundex.

Realizace "Najdi podobné výsledky", eliminace duplicit.

Shlukování: metody shora a zdola; k-Means algoritmus, Self-Organizing

Maps, Multidimensional Scaling, Latent Semantic Indexing,

Collaborative Filtering;

Strojové učení.

PageRank, HITS.

Modelování Webu.

Odhalování zdrojů a komunit na webu.

angličtina

Poslední úprava: T_KSI (29.03.2005)

Engineering Large-Scale Crawlers.

The Vector-Space Model, Inverted Index, Recall, Precision.

Stopwords, stemming, lemmatization, soundex.

Handling "Find-Similar" Queries, Eliminating Near Duplicates.

Clustering: Bottom-Up/Top-Down; The k-Means Algorithm, Self-Organizing

Maps, Multidimensional Scaling, Latent Semantic Indexing,

Collaborative Filtering.

(Semi)supervised Learning.

PageRank, HITS.

Measuring and Modeling the Web.

Resource Discovery, Communities.