20210121

Pagina 1

Prova scritta di METODI PER IL RITROVAMENTO DELL’INFORMAZIONE C.d.L. in Informatica - A.A. 2020-21 Docenti: P. Lops, P. Basile - 21 Gennaio 2021 I turno 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 bayesiano per C, addestrandolo sul seguente training set TR: TR = {<d1,c1>, <d2,c1>, <d3,c2>, <d4,c2>} dove per ogni documento d j si riporta di seguito l’elenco delle parole in esso presenti, c on le relative occorrenze: d1={T1:2, T2:3, T3:4} d2={T1:1, T4:2} d3={T2:1, T4:2} d4={T1:1, T3:2} NB: illustrare chiaramente tutte le fasi di costruzione del classificatore (PUNTI 7) Determinare la classe di appartenenza del documento dx={T2:2, T5:2} (PUNTI 3) 2) Sia q una query che ha 6 documenti rilevanti nella collezione. Supponiamo che un algoritmo di ritrovamento riporti il seguente ranking Rq (R indica che il documento è rilevante; N indica che il documento è non rilevante; il risultato più a sinistra è il top della lista): Rq: RNRRNNNRNN a) Fornire la descrizione sintetica delle metriche: Precision, Recall, R-Precision ed Average Precision (PUNTI 4) b) Calcolare Precision, Recall, R-Precision ed Average Precision per la query q (PUNTI 4) 3) Descrivere in maniera sintetica i principi alla base del PageRank, focalizzando l’attenzione sulla formulazione basata sul Flow model (PUNTI 6) 4) Descrivere il processo di modifica delle query basat o sul metodo del relevance feedback (algoritmo di Rocchio). (PUNTI 5) 5) Illustrare in maniera sintetica il problema dell’overspecialization nei recommender systems di tipo content-based (PUNTI 4)