Text Retrieval und Text Mining at Hochschule Mittweida

Flashcards and summaries for Text Retrieval und Text Mining at the Hochschule Mittweida

Arrow Arrow

It’s completely free

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

Study with flashcards and summaries for the course Text Retrieval und Text Mining at the Hochschule Mittweida

Exemplary flashcards for Text Retrieval und Text Mining at the Hochschule Mittweida on StudySmarter:

Erläutere das Gap-Encoding-Verfahren!

Exemplary flashcards for Text Retrieval und Text Mining at the Hochschule Mittweida on StudySmarter:

Warum sollte man ein TR-System evaluieren?

Exemplary flashcards for Text Retrieval und Text Mining at the Hochschule Mittweida on StudySmarter:

Warum ist DCG besser als nDCG?

This was only a preview of our StudySmarter flashcards.
Flascard Icon Flascard Icon

Millions of flashcards created by students

Flascard Icon Flascard Icon

Create your own flashcards as quick as possible

Flascard Icon Flascard Icon

Learning-Assistant with spaced repetition algorithm

Sign up for free!

Exemplary flashcards for Text Retrieval und Text Mining at the Hochschule Mittweida on StudySmarter:

Welche Möglichkeiten zur Indexkompression gibt es?

Exemplary flashcards for Text Retrieval und Text Mining at the Hochschule Mittweida on StudySmarter:

Erkläre die Idee eines Feature-basierten  Retrieval Modells.

Exemplary flashcards for Text Retrieval und Text Mining at the Hochschule Mittweida on StudySmarter:

Wie funktioniert die Wortsegmentierung?

Exemplary flashcards for Text Retrieval und Text Mining at the Hochschule Mittweida on StudySmarter:

Durch welche Methoden wird der Zugriff auf relevante Textdaten ermöglicht?

This was only a preview of our StudySmarter flashcards.
Flascard Icon Flascard Icon

Millions of flashcards created by students

Flascard Icon Flascard Icon

Create your own flashcards as quick as possible

Flascard Icon Flascard Icon

Learning-Assistant with spaced repetition algorithm

Sign up for free!

Exemplary flashcards for Text Retrieval und Text Mining at the Hochschule Mittweida on StudySmarter:

Welche mögliche Herausforderungen des Text Retrival von der natürlichen Sprache gibt es?

Exemplary flashcards for Text Retrieval und Text Mining at the Hochschule Mittweida on StudySmarter:

Welche verschiedene Retrival Modelle gibt es?

Exemplary flashcards for Text Retrieval und Text Mining at the Hochschule Mittweida on StudySmarter:

Was bedeutet Browsing?

Exemplary flashcards for Text Retrieval und Text Mining at the Hochschule Mittweida on StudySmarter:

Welche Arten von Token gibt es?

This was only a preview of our StudySmarter flashcards.
Flascard Icon Flascard Icon

Millions of flashcards created by students

Flascard Icon Flascard Icon

Create your own flashcards as quick as possible

Flascard Icon Flascard Icon

Learning-Assistant with spaced repetition algorithm

Sign up for free!

Exemplary flashcards for Text Retrieval und Text Mining at the Hochschule Mittweida on StudySmarter:

Was bedeutet Querrying?

Your peers in the course Text Retrieval und Text Mining at the Hochschule Mittweida create and share summaries, flashcards, study plans and other learning materials with the intelligent StudySmarter learning app.

Get started now!

Flashcard Flashcard

Exemplary flashcards for Text Retrieval und Text Mining at the Hochschule Mittweida on StudySmarter:

Text Retrieval und Text Mining

Erläutere das Gap-Encoding-Verfahren!

Unter Gap-Encoding verstehen wir das abspeichern der Differenz zwischen zwei Doc ID'S

Text Retrieval und Text Mining

Warum sollte man ein TR-System evaluieren?

Bewertung des aktuellen Nutzens eines TR-Systems

  • Maße sollten Anwendbarkeit in der Praxis reflektieren
  • Üblicherweise durch Anwenderstudie (interaktive Evaluation des IR-Systems)

Vergleich verschiedener Systeme und Methoden

  • Der individuelle Nutzen ist nicht direkt messbar, es können jedoch Maße gefunden
    werden, die mit dem Nutzen für eine spezifische Suchaufgabe korreliert sind.
  •  Üblicherweise durch Testreihen (Testreihen-IR-Evaluation)

Text Retrieval und Text Mining

Warum ist DCG besser als nDCG?

DCG ist besser als nDCG, da sich sein Wert innerhalb von [0,1] befindet .

Text Retrieval und Text Mining

Welche Möglichkeiten zur Indexkompression gibt es?

TF-Kompression

  • kleine Zahlen können üblicherweise häufiger beobachtet werden als große (Zipfsches Gesetz)

  • weniger Bits für kleine (hohe Frequenz) Integer auf Kosten von mehr Bits für große Integer 

Doc ID-Kompression 

  • d-gap“ d-gap (speichere die Differenz): d1, d2 - d1, d3 - d2, . . .

  •  wird durch den sequentiellen Zugriff ermöglicht 

Text Retrieval und Text Mining

Erkläre die Idee eines Feature-basierten  Retrieval Modells.

  • Betrachten Dokumente als Vektoren von Werten von Featurefunktionen (oder nur Feature) und suchen den besten Weg diese in einem Relevanz-Score zu kombinieren. Typischerweise erfolgt dies durch “learning to rank“-Methoden.

  • Featurefunktionen sind beliebige Funktionen von Dokument und Query und können als solche fast jedes andere Retrieval-Modell als weiteres Feature einbeziehen.

Text Retrieval und Text Mining

Wie funktioniert die Wortsegmentierung?

Wir trennen am Whitespace.

  • Vor- und Nachteile, Müller & Sohn Dienstleistungs GmbH, PRO 7- Moderator

  • Fenster-bank

Ansatz: separierte Wörter auf Gültigkeit gegen ein definiertes Alphabet prüfen.

Text Retrieval und Text Mining

Durch welche Methoden wird der Zugriff auf relevante Textdaten ermöglicht?

Push-Mode und Pull-Mode

Text Retrieval und Text Mining

Welche mögliche Herausforderungen des Text Retrival von der natürlichen Sprache gibt es?

Mögliche Herausforderungen der natürlichen Sprache können sein:

  • Ambiguitäten = uneindeutig, mehrdeutig, doppeldeutig

  • Anaphernresolution (Konferenzanalyse)

  • Präsupposition(Pragmatik) 

Text Retrieval und Text Mining

Welche verschiedene Retrival Modelle gibt es?

  • Mengentheoretische Modelle

  • Algebraische Modelle

  • Probabilistische Modelle

  • Feature-basierte Modelle

Text Retrieval und Text Mining

Was bedeutet Browsing?

  • Nutzer navigiert durch relevante Informationen indem er Strukturen innerhalb der Dokumente folgt

  • Geeignet für Nutzer welche Informationen explorieren wollen und nicht Wissen
    welche Schlüsselwörter geeignet sind oder anderweitig keine Query eingeben können. 

Text Retrieval und Text Mining

Welche Arten von Token gibt es?

Arten von Tokens

  • Zeichen (beim Suchen nicht besonders nützlich)

  • Wort/Begriff

  • Sequenz von Zeichen (n-gram)

  • Phrasen/Absätze

  • Diskursabschnitte 

Text Retrieval und Text Mining

Was bedeutet Querrying?

  • Nutzer gibt eine (Schlüsselwort) Query ein 

  • System liefert relevante Dokumente zurück

  • Funktioniert gut, wenn der Nutzer weiß, welche Schlüsselwörter er verwenden muss

Sign up for free to see all flashcards and summaries for Text Retrieval und Text Mining at the Hochschule Mittweida

Singup Image Singup Image
Wave

Other courses from your degree program

For your degree program Text Retrieval und Text Mining at the Hochschule Mittweida there are already many courses on StudySmarter, waiting for you to join them. Get access to flashcards, summaries, and much more.

Back to Hochschule Mittweida overview page

Englisch

Allgemeine Forensik

Forensik II

Rechnernetze und Netztechnologien

Forensik III

Computerforensik 1

Allgemeine Forensik III

Allgemeine Forenisk

Allgemeine Forensik I

Semantische Technologien und Informationsextraktion

Marketing und Vertrieb at

Fachhochschule der Wirtschaft

Training und Bewegung I at

TU München

Training und Gesundheit at

Universität Bielefeld

Data Mining at

Universität Mainz

Training und Gesundheit at

Universität Bielefeld

Similar courses from other universities

Check out courses similar to Text Retrieval und Text Mining at other universities

Back to Hochschule Mittweida overview page

What is StudySmarter?

What is StudySmarter?

StudySmarter is an intelligent learning tool for students. With StudySmarter you can easily and efficiently create flashcards, summaries, mind maps, study plans and more. Create your own flashcards e.g. for Text Retrieval und Text Mining at the Hochschule Mittweida or access thousands of learning materials created by your fellow students. Whether at your own university or at other universities. Hundreds of thousands of students use StudySmarter to efficiently prepare for their exams. Available on the Web, Android & iOS. It’s completely free.

Awards

Best EdTech Startup in Europe

Awards
Awards

EUROPEAN YOUTH AWARD IN SMART LEARNING

Awards
Awards

BEST EDTECH STARTUP IN GERMANY

Awards
Awards

Best EdTech Startup in Europe

Awards
Awards

EUROPEAN YOUTH AWARD IN SMART LEARNING

Awards
Awards

BEST EDTECH STARTUP IN GERMANY

Awards
X

StudySmarter - The study app for students

StudySmarter

4.5 Stars 1100 Rating
Start now!
X

Good grades at university? No problem with StudySmarter!

89% of StudySmarter users achieve better grades at university.

50 Mio Flashcards & Summaries
Create your own content with Smart Tools
Individual Learning-Plan

Learn with over 1 million users on StudySmarter.

Already registered? Just go to Login