Information Retrieval

Metodi e modelli per i motori di ricerca

Autori e curatori
Collana
Argomenti
Livello
Textbook, strumenti didattici
Dati
pp. 376,      1a edizione  2013   (Codice editore 700.19)

Information Retrieval. Metodi e modelli per i motori di ricerca
Tipologia: Edizione a stampa
Prezzo: € 35,00
Disponibilità: Discreta




Clicca qui per acquistare
Codice ISBN: 9788820421120
Informazioni sugli e-book

Clicca qui per provare l'e-book
Tipologia: E-book (PDF) per PC, Mac, Tablet
Prezzo: € 24,50
Possibilità di stampa:  No
Possibilità di copia:  No
Possibilità di annotazione:  Si
Formato: PDF con DRM per Digital Editions
Scarica Adobe® Digital Editions

Clicca qui per acquistare
Codice ISBN: 9788856871029
Disponibile anche in:
Informazioni sugli e-book


Clicca qui per provare l'e-book

In breve

Un’introduzione alle principali problematiche teoriche, metodologiche e implementative dei sistemi di information retrieval che influenzano la progettazione e la realizzazione dei motori di ricerca. Un testo per studenti e ricercatori di information retrieval, basi di dati e sistemi informativi dei dipartimenti di ingegneria, informatica, economia e statistica, ma anche per professionisti dell’informatica interessati agli argomenti in qualità di utenti e progettisti di sistemi informativi.

Presentazione del volume

Rivolto agli studenti e ai ricercatori di information retrieval, basi di dati e sistemi informativi dei dipartimenti di ingegneria, informatica, economia e statistica, ma anche ai professionisti dell'informatica interessati agli argomenti in qualità di utenti e di progettisti di sistemi informativi, il libro fornisce un'introduzione alle principali problematiche teoriche, metodologiche e implementative dei sistemi di information retrieval che influenzano la progettazione e la realizzazione dei motori di ricerca.
L'autore affronta tutti gli aspetti fondamentali dell'indicizzazione automatica del contenuto informativo, del reperimento e ordinamento dei dati e della valutazione dei sistemi, descrivendo inoltre i principali modelli teorici e le tecniche avanzate di indicizzazione e reperimento. Presenta infine i metodi principali di machine learning e alcuni temi e applicazioni sviluppati più di recente.
Al termine di ciascuno dei dieci capitoli il lettore è invitato a rispondere a quesiti per verificare le conoscenze acquisite e può consultare i riferimenti bibliografici proposti in modo argomentato per approfondire i temi appena trattati o avvicinarsi a quelli non presenti nel libro.

Massimo Melucci è professore associato di Sistemi di elaborazione delle informazioni presso l'Università degli Studi di Padova. Svolge attività di ricerca in information retrieval dal 1993.

Indice



Elenco delle figure
Elenco degli acronimi
Presentazione
Introduzione
(Dal memex ai motori di ricerca; Information Retrieval; Motori di ricerca; Suggerimenti bibliografici; Quesiti)
Metodi di indicizzazione
(Introduzione; Indicizzazione ed efficacia; Analisi lessicale; Stemming; Costruzione dei termini; Controllo statistico dell'indice; Agente di ricerca; Suggerimenti bibliografici; Quesiti)
Metodi di reperimento e ordinamento
(Introduzione; Operatori logici; Livello di coordinamento; Implementazione del reperimento; Suggerimenti bibliografici; Quesiti)
Metodi di valutazione
(Introduzione; Base di partenza e gruppo di controllo; Misure di valutazione; Collezione sperimentale; Iniziative di valutazione; Suggerimenti bibliografici; Quesiti)
Modelli di indicizzazione e reperimento
(Introduzione; Modello logico; Modello vettoriale; Modello probabilistico; Modello linguistico; Suggerimenti bibliografici; Quesiti)
Metodi avanzati di indicizzazione
(Introduzione; Valutazione e indicizzazione; Ancore dei link; Autorevolezza delle pagine; Pagine duplicate; Compressione dei dati; Collocazioni e termini; Analisi della semantica latente; Indicizzazione collaborativa; Suggerimenti bibliografici; Quesiti)
Metodi avanzati di reperimento e ordinamento
(Introduzione; Sistemi paralleli e distribuiti; Ordinamento per autorevolezza; Reperimento per semantica latente; Espansione delle interrogazioni; Retroazione di rilevanza; Suggerimenti bibliografici; Quesiti)
Metodi di Machine Learning
(Introduzione; Separabilità dei punti; Classificazione; Ordinamento dei documenti; Raggruppamento; Suggerimenti bibliografici; Quesiti)
Contesti applicativi
(Introduzione; Immagini, suoni e musica; Reti sociali e blog; Personalizzazione; Pubblicità digitale; Analisi dei dati; Suggerimenti bibliografici; Quesiti)
Suggerimenti bibliografici
Indice analitico.




newsletter facebook rss

Linkedin Facebook Twitter RSS Informatemi