بازیابی هوشمند اطلاعات
Intelligent Information Retrieval
| مقطع: تحصیلات تکمیلی | گرایش: هوش مصنوعی |
| نوع درس: نظری | تعداد واحد: ۳ |
| پیش‌نیاز: – | هم‌نیاز: – |
هدف کلی
هدف این درس گسترش اطلاعات دانشجویان در زمینه بازیابی اطلاعات است. در این درس پس از پرداختن به مفاهیم پایه بازیابی اطلاعات و موتورهای جستجو، مدل‌های پیشرفته بازیابی اطلاعات که ریشه در مباحث هوش مصنوعی دارند معرفی می‌شوند. از جمله این روش‌ها می‌توان به مدل‌های مبتنی بر مدل زبانی، یادگیری ماشین و شبکه‌های عصبی اشاره نمود. همچنین کاربردهای ویژه و پیشرفته بازیابی اطلاعات و موتورهای جستجو، از جمله سیستم‌های توصیه‌گر، پیشنهاد پرسمان جستجو، شخصی‌سازی جستجو، سیستم‌های پرسش و پاسخ و خبره‌یاب، و بازیابی اطلاعات بین‌زبانی و چندوجهی مورد بررسی قرار می‌گیرند.
سرفصل‌ها
- مقدمه‌ای بر بازیابی اطلاعات و ساختار موتورهای جستجو
- مروری بر روش‌های پایه بازیابی اطلاعات: مدل‌های بولی، فضای برداری، احتمالاتی
- روش‌های ارزیابی در بازیابی اطلاعات
- بازیابی اطلاعات مبتنی بر مدل زبانی
- روش‌های حل مشکل عدم تطابق واژگانی: روش‌های بازخورد مرتبط، روش‌های مبتنی بر مدل زبانی
- بازیابی اطلاعات مبتنی بر مدل‌های یادگیری برای رتبه‌بندی
- بازیابی اطلاعات مبتنی بر شبکه عصبی
- مدل‌های زبانی بزرگ و بازیابی اطلاعات
- بازیابی اطلاعات بین‌زبانی و بازیابی اطلاعات چندوجهی
- تحلیل داده‌های پرسمان جستجو: پیشنهاد پرسمان جستجو، شخصی‌سازی جستجو
- سامانه‌های توصیه‌گر: توصیه مبتنی بر محتوا، توصیه مبتنی بر پالایش مشارکتی، مدل‌های توصیه عصبی
- سامانه‌های کاربردی: پرسش و پاسخ، خبره‌یابی
ارزیابی پیشنهادی
- تمرین‌ها و پروژه: ۳۰ درصد نمره
- آزمون‌های میان‌ترم و پایانی: ۵۰ درصد نمره
- پروژه پژوهشی: ۲۰ درصد نمره
منابع پیشنهادی
- W. B. Croft, D. Metzler, and T. Strohman. Search Engines: Information Retrieval in Practice. Pearson, 2010.
- C. Manning, P. Raghavan, and H. Schutz. Introduction to Information Retrieval. Cambridge University Press, 2008.
- R. Baeza-Yates and B. Ribeiro-Neto. Modern Information Retrieval: The Concepts and Technology behind Search. ACM Press, 2010.
- S. Ceri, A. Bozzon, M. Brambilla, E.D. Valle, P. Fraternali and S. Quarteroni. Web Information Retrieval. Springer, 2013.