Fulltextové vyhledávání

Garant předmětu:

Přednášející:

Zuzana Petříčková

Cvičící:

Zuzana Petříčková

Předmět zajišťuje:

katedra softwarového inženýrství

Anotace:

Cílem předmětu „Fulltextové vyhledávání“ je seznámit studenty s metodami a datovými strukturami pro efektivní vyhledávání řetězců v textových souborech a se základními principy vyhledávání textových souborů v textových databázích.

Požadavky:

Vypracování a odevzdání dvou úloh - 1. Implementace a zhodnocení vybraného z probíraných algoritmů pro vyhledávání v textech a 2. sestrojení a zhodnocení jednoduchého indexu pro vyhledávání nad textovou databází. Témata seminárních prací by měla být předem schválena vyučujícím.

Osnova přednášek:

Osnova cvičení:

1. Úvod do problematiky vyhledávání v textových souborech a fulltextového vyhledávání, vymezení pojmů, základní principy.

2. Sekvenční algoritmy pro přesné vyhledávání vzorku v textu: naivní algoritmus, Boyer-Moore a jeho varianty, Knuth-Morris-Pratt, …

3. Algoritmy založené na indexu (suffixový strom, …)

4. Algoritmy založené na indexu (suffixový automat,…)

5. Algoritmy pro vyhledávání konečného počtu vzorků v textu (Aho-Corasick, …) a nekonečného počtu vzorků v textu (regulární výrazy)

6. Fulltextové vyhledávání: booleovský model a invertovaný index

7. Předzpracování textových dokumentů, tokenizace, slovník termů, …

8. Vytvoření indexu a jeho komprese

9. Řazení výsledků vyhledávání, relevance, vážení termů

10. Vektorový model

11. Zpracování výsledků vyhledávání, zpětná vazba, rozšiřování dotazů

12. Úvod od vyhledávání na webu

13. Softwarová řešení pro fulltextové vyhledávání

Cíle studia:

Studijní materiály:

[1] M. Crochemore, C. Hancart and T. Lecroq, Algorithms on Strings, Cambridge University

Press, 2007.

[2] C. D. Manning, P. Raghavan and H. Schütze, Introduction to Information Retrieval, Cambridge University Press, 2008.

[3] G. G. Chowdhury, Introduction to Modern Information Retrieval, 3rd Edition, Facet Publishing, 2017.

Poznámka:

Rozvrh na zimní semestr 2023/2024:

Rozvrh není připraven

Rozvrh na letní semestr 2023/2024:

Rozvrh není připraven

Předmět je součástí následujících studijních plánů:

• Aplikace informatiky v přírodních vědách (volitelný předmět)