“Ir-2019-spring”的版本间的差异
跳到导航
跳到搜索
| 第50行： | 第50行： | ||
== 信息检索课程介绍 == | == 信息检索课程介绍 == | ||
* [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 = | ||
| + | * course 5 和course 6: [http://hlt.suda.edu.cn/~zhli/teach/cip-2015-fall/] | ||
| + | |||
| + | = 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 = | = 作业 6：网页排序 = | ||
| 第58行： | 第74行： | ||
* 数据 | * 数据 | ||
** 数据下载 [http://hlt.suda.edu.cn/yingli/teach/ir-2019-spring/files-web-page.tar.gz data下载] | ** 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. | + | * 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 5：中文多粒度分词标注 = | ||
2019年4月30日 (二) 08:06的版本
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
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
- 实验报告（word或pdf）
- 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
- course 5 和course 6: [1]
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
作业 5：中文多粒度分词标注
- 上课时间：2019.4.16
- 中文多粒度分词标注系统网址：http://101.132.166.249/anno-sys/index.php?action=index
- 多粒度分词标注规范 PDF下载
- 多粒度分词介绍以及标注系统使用说明 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
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
- 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：文件:Answer.txt；
- 模型预测结果：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