“Ir-2022-spring”的版本间的差异

来自SUDA-HLT
跳到导航 跳到搜索
第55行： 第55行：
 
== 实验报告word模板 ==
 
== 实验报告word模板 ==
 
* [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/report.doc 下载]
 
* [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/report.doc 下载]
 +
 +
 +
 +
 +
= 具体课程（含作业） =
  
 
== 信息检索课程介绍 ==
 
== 信息检索课程介绍 ==
第60行： 第65行：
 
* 2022春视频：
 
* 2022春视频：
  
−
= 作业1：分字（C++语言，可以等期中考试提交） =  
+
 
 +
== 作业1：分字（C++语言，可以等期中考试提交） ==
 
* 作业提交时间截止时间：xx
 
* 作业提交时间截止时间：xx
 
* 2022春视频：
 
* 2022春视频：
第74行： 第80行：
 
</nowiki>
 
</nowiki>
  
−
= 作业2：最大匹配分词 =  
+
 
 +
== 作业2：单词计数 ==
 +
* 作业提交时间截止时间：xx
 +
* 课件 [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/word-count.pdf PPT下载]
 +
* 2022春视频：
 +
* 数据 [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/sample-en.txt txt下载]
 +
 
 +
 
 +
 
 +
== 作业3：最大匹配分词 ==  
 
* 作业提交时间截止时间：xx
 
* 作业提交时间截止时间：xx
 
* 课件：前向最大匹配 PDF文件--[[文件:Word-seg-max-match.pdf]]；PPT文件--[[文件:Word-seg-max-match.zip]]
 
* 课件：前向最大匹配 PDF文件--[[文件:Word-seg-max-match.pdf]]；PPT文件--[[文件:Word-seg-max-match.zip]]
第93行： 第108行：
 
**F值：0.99204
 
**F值：0.99204
 
</nowiki>
 
</nowiki>
−
 
−
= 作业3：单词计数 =
 
−
* 作业提交时间截止时间：xx
 
−
* 课件 [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/word-count.pdf PPT下载]
 
−
* 2022春视频：
 
−
* 数据 [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/sample-en.txt txt下载]
 
  
  

2022年2月18日 (五) 05:04的版本

信息检索课程设计（Comprehensive Practice on Information Retrieval）Course Resources

Teacher: 李正华

Teach Assistant: 侯洋...

课程交流学习群（qq） 群 号: 见学院通知

2022春季学期1-17周 周一5-8节 理工楼315（21级计科图领班，21级计算机科技）


课程建议

  • 每个作业，截止时间后，把成绩发给大家，并用ppt给大家讲一下批作业发现的问题，题目分析

计算成绩的规则和说明

  • 实验作业:70-80分
    • 一系列作业，每个作业10-20分
    • 必须按照规定时间将实验报告+源代码，提交到csteaching



  • 期末面对面小测验：10分（待定）
    • 考察课程相关的基础知识，看看作业是否是自己做的
  • 平时成绩：10-20分
    • 不能迟到、早退，特殊情况必须请假，并带辅导员签字的假条；
    • 点名时，如果发现名单上没有你的名字，及时提出

提交作业说明

  • 网址：csteaching
  • 在规定时间内提交作业，包含两部分
    • 实验报告（word或pdf）
      • 认真填写个人信息、实验题目、实验内容等
      • 不要大段粘贴代码，最多可以粘贴核心的一小段代码
      • 写清楚自己的解决思路，尤其是遇到的难点和如何解决
      • 建议可以画流程图或者写伪代码
      • 将程序运行结果截图
    • 附件（.zip压缩包）
      • 源代码
      • readme.txt文件：说明如何运行你的程序，需要什么环境，如windows或linux，python版本如python3.5
  • 提交前自我检查
    • 是否有包含readme.txt文件解释如何编译执行你的程序。如没有该文件，将减分
    • 是否认真完成实验报告
    • 是否可以按照readme.txt正确编译和运行程序
    • 是否包含别人的代码
    • 期末可能会用软件做自动抄袭检查
  • 提交作业命名规则
    • 实验报告（姓名学号.doc或姓名学号.pdf）
    • 附件（姓名学号.zip）

实验报告word模板



具体课程（含作业）

信息检索课程介绍


作业1：分字（C++语言，可以等期中考试提交）

  • 作业提交时间截止时间：xx
  • 2022春视频：
  • 数据：文件:Sentence.txt
  • UFT-8编码规则：
1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx


作业2：单词计数


作业3：最大匹配分词

*正确实验结果
**正确识别的词数：20263
**识别出的总体个数：20397
**测试集中的总体个数：20454
**正确率：0.99343
**召回率：0.99066
**F值：0.99204


下面的作业待定

作业 8：有监督隐马尔可夫模型HMM：用于词性标注

  • 上课时间：2019.5.14
  • 极大似然估计推导
    • 极大似然估计的由来，公式推导见 PDF下载
    • HMM模型中极大似然估计的由来，公式推导见 PDF下载
  • 隐马尔科夫模型（HMM）
    • Collins教授的课件 PDF下载，介绍至三元HMM模型最大似然参数估计，未讲Viterbi解码。
    • 李老师的课件 PPT下载，李老师新增一页PPT PPT下载
    • Viterbi解码的一个动画例子PDF下载
  • 数据

作业 7：综合练习：桌面搜索 或 苏大网页搜索

  • 两个作业任选一个，后一个作业更难，分数会相对高一些
  • 把之前所有的内容串起来
  • 桌面搜索
    • 对整个操作系统所有的文件名建立倒排
    • 用户输入一些关键字，可以返回相关（根据tf-idf排序）的文件
    • 不要求分析文件内容，只看文件名即可。
  • 苏大网页搜索
    • 需要爬取所有的苏大网页，从苏大主页开始，根据锚文本和链接递归爬取
    • 正文抽取
    • 建立倒排
    • 支持查询和排序

作业 6：网页排序

  • 上课时间：2019.4.23
  • 课件
  • 数据
  • 作业提交时间截止时间：2019.5.14上机课之前

作业 5：中文多粒度分词标注

作业 4：倒排索引

  • 2019.3.26
  • 课件
  • 数据
  • 作业提交时间截止时间：2019.4.30下课以前

作业 3：网页正文抽取

  • 作业提交时间截止时间：2019.4.2
取自“http://hlt.suda.edu.cn/index.php?title=Ir-2022-spring&oldid=4469”