Modelos y Tecnicas Avanzadas de Recuperacion de Informacion

Presentación

Modelos y Tecnicas Avanzadas de Recuperación de Información (MTARI)

Este curso es parte del Programa de Doctorado del Departamento de Computación y del Master Oficial en Informática de la Universidade da Coruña.

Este curso cubre los temas relacionados con el modelado matemático, diseño, implementación y evaluación de sistemas de Recuperación de Información.

La Recuperación de Información es un campo muy activo con muchos resultados de investigación portados a aplicaciones industriales. El objetivo de este curso es presentar al alumno conocimientos básicos y herramientas para desarrollar aplicaciones prácticas de Recuperación de Información asi como conducir trabajos de investigación y experimentación.

Este curso esta impartido por el Dr. Álvaro Barreiro García del IRLab.

La guia docente de la asignatura esta disponible en la página Web del Master Oficial en Informatica y en la siguiente copia local.

Temas

1. Introducción a RI
2. Evaluación de sistemas de RI
3. Modelo booleano de RI
4. Modelos de espacio vectorial de RI
5. Modelo clásico probabilístico de RI
6. Modelos estadísticos de lenguaje para RI
7. Modelo Latent Semantic Indexing de RI
8. Realimentación de relevancia en RI
9. Compresión y construcción de índices. Procesamiento de queries.
10. WebIR: modelos de retrieval, eficiencia, escalabilidad, problemas propios y oportunidades en RI en el web
11. IR distribuida
12. NLP para IR

Prácticas

Información sobre las prácticas en el portal de prácticas de la asignatura [irlab.dc.fi.udc.es/mtari]

Libros

R. Baeza-Yates and B. Ribeiro-Neto. Modern Information Retrieval. Addison Wesley, May 1999.
I. H. Witten, A. Moffat, and T. C. Bell. Managing Gigabytes: Compressing and Indexing Documents and Images (2nd Edition). Morgan Kaufmann, 1999.
C. J. Van Rijsbergen. Information Retrieval (2nd Edition). Butterworths, London, 1979.
Libre acceso en: http://www.dcs.gla.ac.uk/Keith/Preface.html
R. K. Belew. Finding Out About. Cambridge Press, 2001.
David A. Grossman and Ophir Frieder. Information Retrieval: Algorithms and Heuristics. Kluwer Academic Publishers, 1998.
A. Moffat and A. Turpin. Compression and Coding Algorithms. Kluwer Academic Publishers, 2002.
C. D. Manning and H. Schutze. Foundations of Statistical Natural Language Processing. MIT Press, 1999.
W.B. Croft and J. Lafferty. Language Modeling for Information Retrieval. Kluwer Academic Publishers. 2003.
E. Voorhees and D.K. Harman. TREC: experiment and evaluation in information retrieval. MIT press. 2005

Artículos

David A. Hull: Using Statistical Testing in the Evaluation of Retrieval Experiments. SIGIR 1993
Nick Craswell, David Hawking, Stephen E. Robertson: Effective Site Finding Using Link Anchor Information. SIGIR 2001
ChengXiang Zhai, John D. Lafferty: A Study of Smoothing Methods for Language Models Applied to Ad Hoc Information Retrieval. SIGIR 2001
Jay M. Ponte, W. Bruce Croft: A Language Modeling Approach to Information Retrieval. SIGIR 1998
Victor Lavrenko, W. Bruce Croft: Relevance-Based Language Models. SIGIR 2001
Amit Singhal, Chris Buckley, Mandar Mitra: Pivoted Document Length Normalization. SIGIR 1996
Scott C. Deerwester, Susan T. Dumais, Thomas K. Landauer, George W. Furnas, Richard A. Harshman: Indexing by Latent Semantic Analysis. JASIS 41(6). 1990
Jinxi Xu, W. Bruce Croft: Query Expansion Using Local and Global Document Analysis. SIGIR 1996
Fabrizio Sebastiani: Machine learning in automated text categorization. ACM Computing Surveys 2002
Xiaoyong Liu, W. Bruce Croft: Cluster-based retrieval using language models. SIGIR 2004
Jinxi Xu, W. Bruce Croft: Cluster-Based Language Models for Distributed Retrieval. SIGIR 1999
Steffen Heinz, Justin Zobel: Efficient single-pass index construction for text databases. JASIST 54(8). 2003
Alistair Moffat, Timothy A. H. Bell: In Situ Generation of Compressed Inverted Files. JASIS 46(7). 1995
Falk Scholer, Hugh E. Williams, John Yiannis, Justin Zobel: Compression of inverted indexes for fast query evaluation. SIGIR 2002
Lawrence Page, Sergey Brin, Rajeev Motwani, and Terry Winograd. The PageRank citation ranking: Bringing order to the Web. 1999
Jon M. Kleinberg: Authoritative Sources in a Hyperlinked Environment. SODA 1998

Presentaciones

Introducción a Lemur por José María Casanova Crespo
Construcción y compresión de índices por Roi Blanco González

Enlaces

Recursos docentes online

Portal de prácticas
http://irlab.dc.fi.udc.es/mtari

Plataformas para implementación e investigación de sistemas de Information Retrieval:

Ámbito Investigación:
- Terrier
  http://ir.dcs.gla.ac.uk/terrier
- Lemur
  http://www.lemurproject.org
Ámbito Desarrollo:
- Lucene
  http://lucene.apache.org
- Nutch
  http://lucene.apache.org/nutch
- Beagle
  http://beagle-project.org

Herramientas:

Software de evaluación de sistemas en Information Retrieval
- Pagina web del TREC
  http://trec.nist.gov
- TREC-eval
  http://trec.nist.gov/trec_eval
- Colecciones pre-TREC para evaluacion de sistemas de IR (CACM, cranfield...)
  ftp://ftp.cs.cornell.edu/pub/smart

Sociedades:

ACM SIGIR
http://www.sigir.org
The British Computer Society. Information Retrieval Specialist Group
http://irsg.bcs.org