20200116

Pagina 1

Prova scritta di METODI PER IL RITROVAMENTO DELL’INFORMAZIONE C.d.L. in Informatica - A.A. 2019-20 Docente: P. Lops - 16 Gennaio 2020 Nome e Cognome : ___________________________________________ Matricola : ___________________________________________ 1) Siano dati l’insieme delle categorie C={c1,c2} e una collezione di 150 documenti definiti sul vocabolario V = {T1, T2, T3, T4, T5}. Costruire un classificatore k-NN (k=3) per C, addestrandolo sul seguente training set TR = {<D1,c1>, <D2,c2>, <D3,c1>, <D4,c2>} dove per ogni documento si riporta di seguito l’elenco delle parole con le relative occorrenze: T1 T2 T3 T4 T5 D1 3 3 0 4 0 D2 1 0 2 0 1 D3 0 1 0 2 1 D4 0 2 0 0 4 Determinare inoltre la classe di appartenenza del seguente documento d={T1:2,T5:2} Nota Bene: rappresentare i documenti utilizzando le occorrenze dei termini e utilizzare la similarità del prodotto interno. (PUNTI 6) 2) Descrivere la metrica nDCG (normalized Discounted Cumulative Gai n), illustrandone calcolo e principi di base. (PUNTI 4) 3) Sia q una query che ha 5 documenti rilevanti nella collezione. Supponiamo che un algoritmo di ritrovamento applicato a q riporti il seguente ranking Rq: D1 D5 D3 D7 D9 D4 . Supponendo di avere dei giudizi di rilevanza non binari espressi in u na scala a 5 valori ( 1-5), e assumendo che D1 e D9 abbiano rilevanza pari a 5, mentre D5 abbia rilevanza pari a 3, calcolare il valore dell’nDCG per q. (PUNTI 4) 4) Descrivere in maniera sintetica i principi alla base del PageRank, focalizzando l’attenzione sulla formulazione basata su: a) Flow model (PUNTI 4) b) Matrici di adiacenza stocastiche (PUNTI 4) 5) Descrivere in maniera sintetica il concetto di reificazione degli statement RDF. (PUNTI 3) 6) Descrivere il processo di modifica delle query basa to sul metodo del relevance…