Презентация Методы поиска в структурированных файлах функции ранжирования онлайн
На нашем сайте вы можете скачать и просмотреть онлайн доклад-презентацию на тему Методы поиска в структурированных файлах функции ранжирования абсолютно бесплатно. Урок-презентация на эту тему содержит всего 36 слайдов. Все материалы созданы в программе PowerPoint и имеют формат ppt или же pptx. Материалы и темы для презентаций взяты из открытых источников и загружены их авторами, за качество и достоверность информации в них администрация сайта не отвечает, все права принадлежат их создателям. Если вы нашли то, что искали, отблагодарите авторов - поделитесь ссылкой в социальных сетях, а наш сайт добавьте в закладки.
Оцените презентацию от 1 до 5 баллов!
- Тип файла:ppt / pptx (powerpoint)
- Всего слайдов:36 слайдов
- Для класса:1,2,3,4,5,6,7,8,9,10,11
- Размер файла:555.50 kB
- Просмотров:67
- Скачиваний:0
- Автор:неизвестен
Слайды и текст к этой презентации:
№1 слайд
Содержание слайда: Методы поиска в структурированных файлах
функции ранжирования
№2 слайд
Содержание слайда: Содержание
Векторная модель
TF-IDF
Косинусная мера
Структурированный файл
на примере XML
Лексические поддеревья
Структурные термы
Расширение векторной модели на случай структурированных файлов
Схожесть контекстов
Okapi BM25
BM25F
BM25Е
№3 слайд
Содержание слайда: Векторная модель
Векторная модель (англ. vector space model) — представление коллекции документов векторами из одного общего для всей коллекции векторного пространства.
Коллекция - неупорядоченное множество документов.
Документ - неупорядоченное множество термов.
Термы (словарные термы) - слова, из которых состоит текст (определение терма зависит от приложения)
В векторной модели термы – это измерения.
Вес терма – координата в данном измерении.
№4 слайд
Содержание слайда: Векторная модель
Более формально
dj = (w1j, w2j, …, wnj), где
dj — векторное представление j-го документа,
wij — вес i-го терма в j-м документе,
n — общее количество различных термов во всех документах коллекции.
Запросы представляются в той же форме, что и документы. Т.е.
q = (w1q,w2q,...,wtq), где
q – векторное представление запроса,
wiq - вес i-го терма в запросе
№5 слайд
Содержание слайда: TF-IDF
TF-IDF (от англ. TF — term frequency, IDF — inverse document frequency) — статистическая мера, используемая для оценки важности слова в контексте документа, являющегося частью коллекции документов. TF-IDF = TF*IDF
ni - число вхождений терма в документ
k – общее число термов в документе
|D| — количество документов в коллекции
— количество документов, в которых встречается терм ti (когда ni≠0)
№6 слайд
Содержание слайда: Косинусная мера
№7 слайд
Содержание слайда: Косинусная мера
ρ(Q,D) – соответствие запроса Q документу D
ti – терм (измерение)
wQ(ti) – вес терма ti в запросе Q
wD(ti) – вес терма ti в документе D
№8 слайд
Содержание слайда: Структурированный файл
на примере XML*
<play>
<author>Shakespeare</author>
<title>Macbeth</title>
<act number="I">
<scene number="vii">
<title>Macbeth’s castle</title>
<verse>Will I with wine and wassail ...</verse>
</scene>
</act>
</play>
* Здесь и далее под структурированным
файлом подразумевается XML-файл
№9 слайд
Содержание слайда: Лексические поддеревья
Деревья, содержащие хотя бы один словарный терм
№10 слайд
Содержание слайда: Лексические поддеревья
С увеличением количества узлов в дереве
растет число лексических поддеревьев.
№11 слайд
Содержание слайда: Структурные термы
Будем рассматривать только такие лексические поддеревья, которые оканчиваются единственным словарным термом
Такие поддеревья называются структурными термами и обозначаются парой (t,c), где t – это терм, c - его XML-контекст.
№12 слайд
Содержание слайда: Расширение векторной модели на случай структурированных файлов
ρ(Q,D) – соответствие запроса Q документу D
(ti,c i) – структурный терм (измерение)
wQ(ti,c i) – вес структурного терма (ti,c i) в запросе Q
wD(ti,c i) – вес структурного терма (ti,c i) в документе D
cr(ci,ck) – схожесть контекстов (context resemblance) ci и ck, 0≤cr(ci,ck) ≤1
№13 слайд
Содержание слайда: Схожесть контекстов
1 способ
|cq| - число узлов в контексте, соответствующем терму из запроса
|cd| - то же, но для документа
№14 слайд
Содержание слайда: Схожесть контекстов
2 способ
Рассмотрим запрос в форме <q1><q2><q3>T</q3></q2></q1>
Q = q1q2q3 – контекст появления Т в запросе
А = а1а2…а8 – контекст появления Т в произвольном XML документе
Пример:
Q = language/book/title
A = language/media/book/chapter/section/subsection/title/number
№15 слайд
Содержание слайда: Схожесть контекстов
LCS(Q,A)
Longest Common Subsequence
LCS(Q,A) = lcs(Q,A)/|Q|, где
lcs(Q,A) – длина наибольшей общей подпоследовательности Q и А
0 ≤ LCS(Q,A) ≤ 1
№16 слайд
Содержание слайда: Критерии оценки
Критерии оценки
Контекст А включает больше элементов qi в правильном порядке. (В примере - 3)
Элементы qi появляются ближе к началу А, чем к концу. (В примере – совпадение q1q2q3 с а1а3а7 предпочтительнее, чем с а1а3а8)
Элементы qi появляются в А ближе друг к другу. (В примере – совпадение q1q2q3 с а2а3а4 предпочтительнее, чем с а1а3а5)
Из двух контекстов документа, одинаково совпадающих с контекстом запроса, выше оценивается тот, который имеет меньшую длину.
№17 слайд
Содержание слайда: Схожесть контекстов
POS(Q,A)
POS(Q,A) = 1-((AP-AverOptimalPosition)/(|A|-2*AverOptimalPosition+1))
AverOptimalPosition - среднее положение оптимального совпадения Q и А (если совпадение начинается с первого элемента и продолжается без пробелов)
АР - фактическое среднее положение совпадения Q и А
0 ≤ POS(Q,A) ≤ 1
(0 – в случае полного несовпадения, 1 – в случае «самого левого»
совпадения)
№18 слайд
Содержание слайда: Схожесть контекстов
GAPS(Q,A)
GAPS(Q,A) = gaps/(gaps + lcs(Q,A))
gaps - число «пробелов» (в примере gaps = 4)
0 ≤ GAPS ≤ 1
( 0 – полное совпадение)
№19 слайд
Содержание слайда: Схожесть контекстов
LD(Q,A)
LD(Q,A)= (|A|- lcs(Q,A))/|A|
№20 слайд
Содержание слайда: Схожесть контекстов
cr(Q,A) = αLCS(Q,A) + βPOS(Q,A) – γGAPS(Q,A) – δLD(Q,A)
0 ≤ α ≤ 1, 0 ≤ β ≤ 1, 0 ≤ γ ≤ 1, 0 ≤ δ ≤ 1
α + β = 1 (т.к. cr(Q,A) = 1 в случае полного совпадения)
№21 слайд
Содержание слайда: Примеры
Показывают, как влияют оценки LCS(Q,A) , POS(Q,A), GAPS(Q,A), LD(Q,A) на cr(Q,A)
Q = q1q2q3 = book/chapter/title
Положим α = 0.75, β = 0.25, γ = 0.25, δ = 0.2
Для простоты будем рассматривать lcs(Q,A) вместо LCS(Q,A),
АР вместо POS, gaps вместо GAPS, ld вместо LD
№22 слайд
Содержание слайда: Пример A1. Влияние lcs(Q,A) на cr(Q,A)
№23 слайд
Содержание слайда: Пример A3. Влияние gaps(Q,A) на cr(Q,A)
№24 слайд
Содержание слайда:
№25 слайд
Содержание слайда: Okapi BM25
d - документ
C – коллекция документов
W(d,q,C) – релевантность документа d из коллекции С запросу q
wj(d,C) – вес j-го терма в документе d коллекции С
qj – совпадание терма j из документа с термом запроса
№26 слайд
Содержание слайда: Okapi BM25
d - документ
C – коллекция документов
wj(d,C) – вес j-го терма в документе d коллекции С
tfj – частота j-го терма в документе d коллекции С (TF)
dfj – количество документов коллекции, содержащих j-й терм
dl – длина документа
avdl – средняя длина документов в коллекции
k1, b – коэффициенты (обычно k1 = 2, b = 0.75)
№27 слайд
Содержание слайда: BM25F
модификация BM25, в которой документ рассматривается как совокупность нескольких полей (таких как, например, заголовки, основной текст, ссылочный текст), длины которых независимо нормализуются, и каждому из которых может быть назначена своя степень значимости в итоговой функции ранжирования.
tf’j – взвешенная частота j-го терма в документе d
dl’ – взвешенная длина документа
avdl’ – взвешенная средняя длина документа
k’1 – взвешенный параметр
№28 слайд
Содержание слайда: BM25F
Пусть имеется nF полей f = 1, …, nF
В данном поле f документа d терм t имеет частоту tfd,t,f
Пусть V – это словарь (набор термов). Тогда
Длина поля f в документе d
Частота терма t в документе d
№29 слайд
Содержание слайда: BM25F
Пусть имеется nF полей f = 1, …, nF
В данном поле f документа d терм t имеет частоту tfd,t,f
Пусть V – это словарь (набор термов). Тогда
Длина документа d
Средняя длина документа
№30 слайд
Содержание слайда: BM25F
Если считать, что полю f присвоен вес wf , получим:
N – мощность коллекции
atf – средняя частота терма
№31 слайд
Содержание слайда: BM25E
В BM25F вместо частоты терма в документе используется линейная комбинация взвешенных частот терма в полях
Этот метод можно применить к поиску элементов.
Элементы можно обрабатывать так же, как и документы. Но каждый элемент может иметь ещё и дополнительные, унаследованные поля
№32 слайд
Содержание слайда: BM25E
Пусть имеется nЕ элементов е = 1, …, nЕ в коллекции С
В элементе е терм t имеет частоту tfd,t,e
el – длина элемента
avel – средняя длина элемента
Тогда расширение ВМ25 на случай поиска элементов:
№33 слайд
Содержание слайда: ВМ25Е
Соответственно, функция ВМ25Е:
tf’e,j – взвешенная частота j-го терма в элементе е
еl’ – взвешенная длина элемента
avеl’ – взвешенная средняя длина элемента в коллекции
k’1 – взвешенный параметр
№34 слайд
Содержание слайда: BM25E
Соответственно,
M – мощность коллекции
atf – средняя частота терма
№35 слайд
Содержание слайда: Литература
Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Introduction to Information Retrieval, Cambridge University Press. 2008.
David Carmel, Nadav Efraty, Gad M. Landau, Yoelle S. Maarek, Yosi Mass, An Extension of the Vector Space Model for Querying XML Documents via XML Fragments, ACM SIGIR'2002 Workshop on XML and IR, Tampere, Finland , Aug 2002
Wei Lu, Stephen Robertson, Andrew Macfarlane, Advances in XML Information Retrieval and Evaluation (INEX 2005). LNCS 3977, Springer 2006 (pp 161-171).
№36 слайд
Содержание слайда: Спасибо за внимание!
Скачать все slide презентации Методы поиска в структурированных файлах функции ранжирования одним архивом:
