In dieser Woche lernen Sie Techniken zur Verarbeitung natürlicher Sprache kennen, die die Grundlage für alle Arten von Textverarbeitungsanwendungen bilden, sowie das Konzept eines Abrufmodells und die Grundidee des Vektorraummodells.

In den Lektionen dieser Woche lernen Sie, wie das Vektorraummodell im Detail funktioniert, die wichtigsten Heuristiken, die bei der Entwicklung einer Suchfunktion für die Einstufung von Dokumenten in Bezug auf eine Abfrage verwendet werden, und wie man ein Information Retrieval System (d.h. eine Suchmaschine) implementiert, einschließlich der Erstellung eines invertierten Index und der schnellen Bewertung von Dokumenten für eine Abfrage.

In den Lektionen dieser Woche lernen Sie, wie man ein Information Retrieval System (eine Suchmaschine) evaluiert. Dazu gehören die grundlegenden Maßstäbe für die Evaluierung einer Reihe von abgerufenen Ergebnissen und die wichtigsten Maßstäbe für die Evaluierung einer Rangliste, einschließlich der durchschnittlichen Präzision (AP) und des normalisierten diskontierten kumulativen Gewinns (nDCG), sowie praktische Fragen der Evaluierung, einschließlich statistischer Signifikanztests und Pooling.

In den Lektionen dieser Woche lernen Sie probabilistische Retrievalmodelle und statistische Sprachmodelle kennen, insbesondere die Details der Abfragelikelihood-Retrievalfunktion mit zwei spezifischen Glättungsmethoden und wie die Abfragelikelihood-Retrievalfunktion mit den im Vektorraummodell verwendeten Retrievalheuristiken verbunden ist.

In den Lektionen dieser Woche lernen Sie Feedback-Techniken im Information Retrieval kennen, darunter die Rocchio-Feedback-Methode für das Vektorraummodell und ein Mischmodell für Feedback mit Sprachmodellen. Außerdem lernen Sie, wie Web-Suchmaschinen funktionieren, einschließlich Web-Crawling, Web-Indexierung und wie Links zwischen Webseiten zur Bewertung von Webseiten genutzt werden können.

In den Lektionen dieser Woche lernen Sie, wie maschinelles Lernen verwendet werden kann, um mehrere Bewertungsfaktoren zu kombinieren, um die Einstufung von Dokumenten in der Websuche zu optimieren (d.h. Lernen, um zu ranken), und lernen Techniken kennen, die in Empfehlungssystemen (auch Filtersysteme genannt) verwendet werden, einschließlich inhaltsbasierter Empfehlung/Filterung und kollaborativer Filterung. Sie werden auch die Möglichkeit haben, den gesamten Kurs zu überprüfen.