Modelo de Redes de Crenças

Slides:



Advertisements
Apresentações semelhantes
Medidas de Avaliação de Sistemas de Recuperação de Informação
Advertisements

Modelo Probabilístico
Operações sobre o Texto
Tutorial de Pesquisa Básica de Bibliotecas Acadêmicas
Operações sobre as Consultas
Transformação para o Espaço Latente
Obtendo informações sobre o Portal Localizando uma publicação.
Avaliação dos componentes curriculares 2011
Indexação Automática de Documentos
Diagrama Entidade-Relacionamento – DER
Especificação de Consultas
Propriedades de Documentos
Recuperação de Imagens
Dicionário de Dados Eveline Alonso Veloso PUC-Minas.
Modelos de Recuperação de Informação
Eveline Alonso Veloso PUC-MINAS
Eveline Alonso Veloso PUC-MINAS
Conceitos Gerais relacionados a Recuperação de Informação
Aplicação de XML Web Semântica Tópicos Avançados em Bancos de Dados II
Essa sequência didática foi baseada
Medida do Tempo de Execução de um Programa
Medida do Tempo de Execução de um Programa
Medida do Tempo de Execução de um Programa
A Review of Algorithms for Audio Fingerprinting
Estrutura de indexação Modelos de RI
Introdução a Teoria da Classificação
UNIVERSIDADE FEDERAL DE SANTA CATARINA - UFSC PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA E GESTÃO DO CONHECIMENTO EGC – GESTÃO DO CONHECIMENTO E FERRAMENTAS.
ESTOQUE DE SEGURANÇA Carlos Roberto C. Almeida.
Tecnologias - Matemática Equações da circunferência
Aprendizado de Máquina
Inteligência Artificial
Objetivo / Material e Métodos Texto texto texto Objetivo / Material e Métodos Texto texto texto Título do Trabalho Título do Trabalho Título do Trabalho.
Aprendizagem de Máquina - Agrupamento
NEScrawler Aércio Cavalcanti – Afonso Ferreira - Vilmar Santos -
Medida, Probabilidades, etc VIII -1; Completação de espaços de medida.
GERADORES DE ESPAÇOS VETORIAIS.
Biologia 1 Capítulo 15 – Exercícios (1ª Série)‏ Alexsandra Ribeiro 1.
Adicionando Escalabilidade ao Framework de Recomendação IRF
Biblioteca Digital Brasileira de
RepositóriUM. O objetivo do RepositóriUM é armazenar, preservar, divulgar e dar acesso à produção intelectual da Universidade do Minho (Portugal) em formato.
ORKURIOSO Equipe Arthur Gonçalves - agc Fábio Rocha - frp
Aula 03 – BCC202 Análise de Algoritmos (Parte 1) Túlio Toffolo www
Avaliação de Clusteres Parte II
TRABALHO DE CONCLUSÃO DE CURSO - TCC
ORGANIZANDO-SE PARA O TRABALHO
Mineração da Web Recuperação de Informação
Linguagem Funcional 2 Linguagem Funcional 2 - LF2 Estende LF1 com funções de alta ordem Uma função passa a ser um valor O contexto inclui um único componente:
Mineração da Web Recuperação de Informação
Mineração na Web Introdução a Recuperação de Informação
Recuperação de Informação Clássica
Recuperação de Informação
Título do projeto Equipe Local Data.
Mineração da Web Recuperação de Informação
i-Jus Busca em Diário Oficial
Redes Bayesianas - Aplicação em Recuperação de Informação Rudini Sampaio DCC / UFLA.
Tutorial de pesquisa.
Recuperação de Informação
Vânia Maria P. Vidal, José Maria Monteiro, Luís Eufrasio T. Neto
CONSIDERAÇÕES SOBRE BOMBAS DE FLUXO
FUTSAL Técnica-Táctica e Treino
Aplicações dos Modelos de Recuperação da Informação na Extração de Conteúdos na Web Metodologia de Ciência da Computação Professora: Odette Mestrinho Passos.
CONFIGURANDO O FORMATO GERAL DO SEU JORNAL ESCOLAR
CIn-UFPE1 Recuperação de Informação Modelos de Recuperação de Documentos Flávia Barros.
Recuperação de Informação Arlei Calazans Luís Ricardo Fábio Hedayioglu {ajcm, lrcs, cin.ufpe.br Classificação de cardiopatias a partir de uma base.
CBD-0279 Introdução ao Uso dos Metadados no Ambiente das Unidades de Informação Prof. Dr. Ivan Siqueira USP – ECA – CBD 2015.
TÍTULO DO TRABALHO* Estudante do Curso de ....: Prof. Orientador:
Medidas de Avaliação. Para a maioria dos sistemas computacionais é necessário criar medidas para aferir sua eficácia e eficiência; A medida mais comum.
FLUXOS DE INFORMAÇÃO RECUPERAÇÃO E DISSEMINAÇÃO Dilva Fazzioni Lidiane Carvalho Guillermo Dávila Universidade Federal de Santa Catarina (UFSC) Programa.
Indexação automática de documentos utilizando técnicas de mineração de textos Trabalho de conclusão de curso Fabio Montefuscolo Rafael Câmara.
Introdução Coloque o texto aqui coloque o texto aqui coloque o texto aqui coloque o texto aqui coloque o texto aqui coloque o texto aqui coloque o texto.
Transcrição da apresentação:

Modelo de Redes de Crenças Eveline Alonso Veloso PUC-MINAS

Referências BAEZA-YATES, Ricardo e RIBEIRO-NETO, Berthier. Modern Information Retrieval. 1ª edição, New York: ACM Press, 1999, capítulo 2.

Modelo de Redes de Crenças Modelo baseado em teoria de probabilidades. Representa um mecanismo flexível e eficaz para modelar: documentos; consultas; e relacionamentos documento-consulta.

Modelo de Redes de Crenças Arcabouço onde podem ser representadas e combinadas diferentes fontes de evidência; permitindo-nos derivar graus de relevância dos documentos em relação à consulta com maior qualidade.

Fontes de Evidência Exemplos de fontes de evidência que podem ser combinadas com a utilização do modelo de redes de crenças: ocorrência do termo no documento; metadados semânticos; links entre documentos; textos-âncora de links entre documentos; resultados de consultas passadas; descritores de um tesauros.

Rede de Crenças Provê uma topologia de rede; que promove a separação, nessa rede; entre a parte dos documentos; e a da consulta.

Rede de Crenças lado da consulta q termos da coleção t1 t2 t3 tk P(q|t1) P(q|tk) P(q|t2) termos da coleção t1 t2 t3 tk P(dj|t2) P(d1|t1) P(dj|tk) P(d1|t3) P(d2|t2) lado dos documentos d1 d2 dj

Função de Ranking Onde: P(dj|q) = P(dj|ti) = P(q|ti) = P(ti) = qual é seu grau de crença de que dj cobre o espaço conceitual de q? P(dj|ti) = qual é o grau de cobertura do espaço conceitual de ti por dj? P(q|ti) = qual é o grau de cobertura do espaço conceitual de ti por q? P(ti) = qual é a probabilidade de ti ocorrer?

Representando o Modelo Vetorial

Representando o Modelo Vetorial P(ti) = 1; se ti for um termo da consulta q. P(ti) = 0; se ti não for um termo da consulta q.

Exercício 1 – Coleção Considere uma coleção composta pelos seguintes documentos: d1: sistemas. d2: informação. Informação, informação. d3: Informação. Sistemas de informação.

Exercício 1 – Consulta Construa o arquivo invertido correspondente a essa coleção e responda a seguinte consulta utilizando o modelo vetorial representado no modelo de redes de crenças: q: Sistemas de informação.

Exercício 1 – Ranqueamento dos Documentos Resposta: d3; d1; d2.

Exercício 2 – Coleção Considere a Rede de Crenças mostrada a seguir e indique, passo-a-passo, como um sistema de recuperação de informação que utiliza o modelo vetorial representado nessa Rede de Crenças processa a consulta: q = título de eleitor.

Exercício 2 – Rede de Crenças termos da coleção eleição eleitor título 0,92 0,71 0,71 0,61 1 0,31 0,39 lado dos documentos 0,73 d1 d2 d3 d4

Exercício 2 – Ranqueamento dos Documentos Resposta: d4; d2; d1; d3.