20170131

Pagina 1

Prova scritta di METODI PER LA GESTIONE DELLA CONOSCENZA C.d.L. in Informatica e Tecn. per la Prod. del Software - A.A. 2016-17 Docente: P. Lops - 31 Gennaio 2017 Nome e Cognome : ___________________________________________ Matricola : ___________________________________________ 1) Siano dati l’insieme delle categorie C={c1,c2} e una collezione di 100 documenti definiti sul vocabolario V = {T1, T2, T3, T4, T5, T6}. Costruire un classificatore k-NN (k=3) per C, addestrandolo sul seguente training set TR: TR = {<D1,c1>, <D2,c1>, <D3,c2>, <D4,c2>} dove per ogni documento si riporta di seguito l’elenco delle parole con le relative occorrenze: T1 T2 T3 T4 T5 T6 D1 2 3 0 4 0 0 D2 1 0 2 0 0 0 D3 0 1 0 2 0 0 D4 0 2 0 0 4 0 e determinare la classe di appartenenza del seguente documento d={T1:2,T6:2} NB: rappresentare i documenti utilizzando le occorrenze dei termini e utilizzare la similarità del prodotto interno. (PUNTI 6) 2) Sia q1 una query che ha 5 documenti rilevanti nella collezione. Supponiamo che un algoritmo di ritrovamento applicato alla query riporti il seguente ranking R q1 (X indica che un documento è rilevante; 0 indica che il documento è non rilevante; il risultato più a sinistra è il top della lista): Rq1: X0X00000XX a) Riportare la curva di precisione -richiamo per q1 usando gli 11 livelli standard di recall , descrivendo chiaramente la procedura di interpolazione adottata. (PUNTI 5) b) Calcolare R-precision ed Average Precision per la query q1, fornendo anche una descrizione delle metriche (PUNTI 5) 3) Descrivere il processo di modifica delle query basato sul metodo del relevance feedback (PUNTI 7) 4) Descrivere il problema dello spider trap nell’algoritmo PageRank e illustrare una possibile soluzione. (PUNTI 7)