“Ir-2019-spring”的版本间的差异

来自SUDA-HLT
跳到导航 跳到搜索
 
（未显示3个用户的47个中间版本）
第4行： 第4行：
  
 
Teach Assistant:  
 
Teach Assistant:  
 +
 +
课程交流学习群（qq）---- 群名称: ir-2019-spring 群 号: 697444164
  
 
2019春季学期
 
2019春季学期
 
周二5-8节
 
周二5-8节
−
理工楼247
+
理工楼247和238
  
 +
= 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 =
 
= 计算成绩的规则和说明 =
第40行： 第44行：
 
** 是否包含别人的代码
 
** 是否包含别人的代码
 
** 期末可能会用软件做自动抄袭检查
 
** 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 ==
 
== 实验报告word模板 ==
第47行： 第54行：
 
* [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/ir-introduction-v0.4.pdf PPT下载]
 
* [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/ir-introduction-v0.4.pdf PPT下载]
  
 +
= 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 [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/max-eq.pdf PDF下载]
 +
**  HMM模型中极大似然估计的由来，公式推导见 [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/hmm-eq.pdf PDF下载]
 +
* 隐马尔科夫模型（HMM） 
 +
** Collins教授的课件 [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/collins-tagging.pdf 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 [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/HMM-v2.pptx PPT下载]，李老师新增一页PPT [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/zhli-add.ppt PPT下载]
 +
** Viterbi解码的一个动画例子[http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/hmm-zhli.pdf PDF下载]
 +
* 数据
 +
** 数据下载  [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/data.tar.gz data下载]
 +
 +
= 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
 +
** 网页排序原理课件  [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/web-page-rank.ppt PPT下载] 
 +
** 网页排序实验作业课件  [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/web-page-rank-task.ppt PPT下载] 
 +
* 数据
 +
** 数据下载  [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/files-web-page.tar.gz data下载]
 +
* 作业提交时间截止时间：2019.5.14上机课之前
  
−
= 作业 1：最大匹配分词 =  
+
= 作业 5：中文多粒度分词标注 =
−
* 2019.3.5
+
* 上课时间：2019.4.16
−
* 2019.3.17上机课前提交
+
* 中文多粒度分词标注系统网址：http://101.132.166.249/anno-sys/index.php?action=index
−
*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]]
+
* 多粒度分词标注规范  [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/MWS_guideline.pdf PDF下载] 
 +
* 多粒度分词介绍以及标注系统使用说明  [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/MWS.pptx PPT下载]
 +
* 作业完成时间：2019.4.26上午12：00以前。
 +
*作业完成要求：完成110句的标注以及所有的学习任务。
 +
 
 +
= 作业 4：倒排索引 =
 +
 
 +
* 2019.3.26
 +
* 课件
 +
** 倒排索引课件  [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/inverted-index.ppt PPT下载]
 +
** 倒排索引课件(简化版)  [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/inverted-index-simplified.ppt PPT下载]
 +
** 倒排索引实验课件  [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/exp-inverted-index.ppt PPT下载] 
 +
* 数据
 +
** 数据下载  [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/files.tar.gz data下载]
 +
* 作业提交时间截止时间：2019.4.30下课以前
  
−
*数据下载：[[文件:dict.txt]] ； [[文件:sentence.txt]] ；[[文件:answer.txt]]
+
= 作业 3：网页正文抽取 =
  
 +
* 2019.3.26
 +
* 课件
 +
** [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/web-page-content-extraction.ppt PPT下载]
 +
** [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/web-page-content-extraction.pdf PDF下载] 
 +
* 数据
 +
**[http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/1.html 1.html]
 +
**[http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/2.html 2.html]
  
−
= 作业 2 (2019.3.12) =
+
* 作业提交时间截止时间：2019.4.2
  
 +
= 作业 2：单词计数 =
 
* 2019.3.12
 
* 2019.3.12
 
* 课件 [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/word-count.pdf PPT下载]
 
* 课件 [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/word-count.pdf PPT下载]
 
* 数据 [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/sample-en.txt txt下载]
 
* 数据 [http://hlt.suda.edu.cn/~zhli/teach/ir-2019-spring/sample-en.txt txt下载]
 +
* 作业提交时间截止时间：2019.4.2
 +
 +
= 作业 1：最大匹配分词 =
 +
* 2019.3.5
 +
* 2019.3.19上机课前提交
 +
*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]]
 +
 +
*数据下载：
 +
**字典：[[文件:dict.txt]]
 +
**待分词：[[文件:sentence.txt]]
 +
**正确答案（人工标注的，你的模型的预测结果要和这个文件进行对比，从而得到P/R/F值）：[[文件:answer.txt]]；
 +
** 正向最大匹配分词模型的预测结果（如果你的程序写对了，那么应该和这个结果一模一样）：[[文件:out.txt]]
 +
 +
*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

2019年7月6日 (六) 04:49的最新版本

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

Teacher: 李正华

Teach Assistant:

课程交流学习群（qq）---- 群名称: ir-2019-spring 群 号: 697444164

2019春季学期 周二5-8节 理工楼247和238

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

信息检索课程介绍

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

作业 2：单词计数

作业 1：最大匹配分词

  • 数据下载：
    • 字典：文件:Dict.txt
    • 待分词：文件:Sentence.txt
    • 正确答案（人工标注的，你的模型的预测结果要和这个文件进行对比，从而得到P/R/F值）：文件:Answer.txt；
    • 正向最大匹配分词模型的预测结果（如果你的程序写对了，那么应该和这个结果一模一样）：文件:Out.txt
  • 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
取自“http://hlt.suda.edu.cn/index.php?title=Ir-2019-spring&oldid=1296”