Humboldt-Universität zu Berlin - Mathematisch-Naturwissenschaftliche Fakultät - Wissensmanagement in der Bioinformatik

Information Retrieval

Professor Dr. Ulf Leser

 

Das Modul "Information Retrieval" behandelt Methoden zur Suche in (sehr grossen) Textsammlungen, insbesondere im Web. Vorgestellt werden Algorithmen und Verfahren zur Textvorverarbeitung, Anfragesprachen, Relevanzmodelle, Idexierung, und spezielle Probleme bei Web-Suchmaschinen. Am Ende der Vorlesung werden auch kleinere Ausfüge in die Computergestützte Sprachverarbeitung unternommen (Language Models, Word Sense Disambiguation). Immer werden sowohl algorithmische Grundlagen als auch konkrete Anwendungen behandelt.

Die Vorlesung wird durch eine Übung begleitet. Diese vertieft die gelernten Methoden durch praktische Umsetzung. In Gruppen werden verschiedene Probleme des Information Retrieval, teilweise unter Benutzung existierende Frameworks, gelöst.

Voraussetzungen

Voraussetzung für den Besuch sind gute Kenntnisse in "Algorithmen und Datenstrukturen" und der Programmierung mit Java.

Prüfungen und Anrechenbarkeit

Die Prüfung erfolgt in Form einer schriftlichen Klausur - in Präsenz oder online. Der Termin steht noch nicht fest. Voraussetzung für die Anmeldung zur Klausur ist das Bestehen der Übung.

Literatur zur Vorlesung


Themen und Termine im Einzelnen

Folien sind hier jeweils nach der Vorlesung als PDF verfügbar. Änderungen möglich. All slides are English, but the course will be held in German.

Die Vorlesungen werden live via ZOOM gehalten und nicht aufgenommen. Nur zu ausgewählten Themen (siehe Tabelle) sind eigene Videos geplant.

 

Topic and link to slides Recorded videos
Overview None
Introduction to Information Retrieval None
Evaluation of IR Systems Evaluation Teil 1, Teil 1
Document normalization None
IR Models I: Boolean and Vector Space Model (with Relevance Feedback) Vector Space Model
IR Models II: Probabilistic Relevance Ranking None
IR Models III: Latent Semantic Indexing, Word Embeddings LSI
Exact substring search/a>: Boyer-Moore Algorithmus None
Indexing terms: Inverted files None
Searching the web: Crawling, PageRank and HITS Prestige and PageRank
Language models None
Entfällt: Word Sense Disambiguation None
Entfällt: Collocation Analysis None

 


Weitere Materialien

  • Apache Lucene, an open source full text search engine
  • Snowball is a small string processing language designed for creating stemming algorithms for use in Information Retrieval
  • Lists of stop words
  • Google's n-gram viewer

Ergänzende Literatur