Dokumentografické informační systémy - NDBI010

• Anglický název: Information Retrieval Systems
• Zajišťuje: Katedra softwarového inženýrství (32-KSI)
• Fakulta: Matematicko-fyzikální fakulta
• Platnost: od 2020
• Semestr: letní
• E-Kredity: 3
• Rozsah, examinace: letní s.:2/0, 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
• Další informace: http://www.ms.mff.cuni.cz/~kopecky/vyuka/dis/
• Garant: RNDr. Michal Kopecký, Ph.D.
• Třída: Informatika Mgr. - Softwarové systémy
• Kategorizace předmětu: Informatika > Databázové systémy
• Neslučitelnost : NDBI043
• Záměnnost : NDBI043
• Je neslučitelnost pro: NDBI043
• Je prerekvizitou pro: NSWI107
• Je záměnnost pro: NDBI043

Anotace

čeština

Poslední úprava: ()

Vyhledávání a výběr dat z textových databází. Architektura dokumentografických informačních systémů. Komprese textu. Oprava textů v přirozeném jazyce.

angličtina

Poslední úprava: Ing. Ladislav Kopecký (16.04.2005)

String matching algorithms. Searching and data retrieval from text databases. Architecture of text retrieval systems. Text compression. Corrections of texts in a natural language.

Literatura

Poslední úprava: Ing. Ladislav Kopecký (10.04.2005)

Pokorný J., Snášel V., Húsek D.: Dokumentograficé informační systémy. Skripta UK, 1999

Melichar B.: Textové informační systémy. Skripta ČVUT, 1994

Sylabus

čeština

Poslední úprava: Ing. Ladislav Kopecký (03.05.2005)

Úvod do problematiky informačních systémů

• Historie a vývoj vyhledávání v textech

• Rozdíly mezi faktografickými a dokumentografickými IS

Algoritmy pro přesné vyhledávání v textech

• Triviální algoritmus vyhledávání hrubou silou

• Algoritmy pro dopředné (sousměrné) vyhledávání

• Knuth-Morris-Prattův algoritmus

• Aho-Corasickové algoritmus

• Vyhledávání regulárních výrazů konečnými automaty

• Algoritmy pro nesousměrné vyhledávání

• Algoritmus Boyer-Moorův

• Algoritmus Commentz-Walter

• Butzilowského dvojcestný konečný automat se skokem

Dokumentografické informační systémy

• Boolské DIS

• Vektorové DIS

• Signaturové metody

• Induktivní DIS, spreading

• Systémy využívající fuzzy logiku

Indexace dokumentů

• Automatická indexace dokumentů

• Výběr indexačních termů

• Stanovení důležitosti termu

• Implementace indexových systémů

• Shlukovací algoritmy pro vektorový model

• Tvorba konceptů pro vektorový model

Algoritmy pro přibližné vyhledávání v textech

• Hammingova a Levenshteinova metrika

• Konstrukce vyhledávacího stroje pro přibližné vyhledávání

• Oprava textu

Komprese dat v DIS

• Entropie a redundance

• Komprese přirozených čísel

• Statické versus adaptivní algoritmy

• Huffmanovo kódování, komprese po slovech

angličtina

Poslední úprava: Ing. Ladislav Kopecký (03.05.2005)

Introduction

• History and evolution of text retrieval systems

• Differences between factographical and text retrieval systems

Pattern matching algorithms

• Brute-force algorithm

• Left-to-rights algorithms

• Knuth-Morris-Pratt algorithm

• Aho-Corasick algorithm

• Regular expressions and finite state automata

• Right-to-left algorithms

• Boyer-Moore algorithm

• Commentz-Walter algorithm

• Butzilowsky?s two-way finite state jump automata

Architecture of text retrieval systems

• Boolean text retrieval systems

• Vector-based text retrieval systems

• Signature-based text retrieval methods

• Inductive methods, spreading algorithms

• Systems based on fuzzy logic

Document indexing

• Automatical document indexing

• Selection of appropriate terms

• Term importance assignment

• Implementation of text retrieval systems

• Clustering algorithms for vector-based systems

• Concepts in vector-based systems

Algorithms for approximate pattern matching

• Hamming and Levenshtein metrics

• Construction of finite state automata for approximate pattern matching

• Corrections of texts in a natural language.

Textual data compression

• Entropy a redundancy

• Compression of integer numbers

• Statical versus adaptive algorithms

• Huffman encoding, word-based compression