Zpracování informací a znalostí Přesnost a úplnost vyhledávání

Slides:



Advertisements
Podobné prezentace
Zpracování informací a znalostí Datové struktury a algoritmy pro vyhledávání informací Doc. RNDr. Jan Rauch, CSc. Katedra informačního a znalostního.
Advertisements

Střední odborné učiliště gastronomie, u Krbu 521, Praha 10
Překlad Bath profilu 2.0 Martin Vojnar
Zpracování informací a znalostí Další přístupy k vyhledávání textových dokumentů Doc. RNDr. Jan Rauch, CSc. Katedra informačního a znalostního inženýrství.
Zpracování informací a znalostí Booleovský model vyhledávání dokumentů a jeho rozšiřování Doc. RNDr. Jan Rauch, CSc. Katedra informačního a znalostního.
Data mining Autor: Martin Schlosser Skalský Dvůr
Dotazníkový průzkum E-SSL a TC Jana Třísková
Zpracování informací a znalostí Zadání úkolu č. 4 – DZD Jan Rauch Katedra informačního a znalostního inženýrství.
Základy informatiky Ing. Roman Danel, Ph.D.
Diagramy případů užití.
Ručně vyráběný kalendář 2014 »» výsledky hlasování ««
ROZHODOVACÍ PROCESY PRO VÍCECESTNÉ TELEMATICKÉ APLIKACE Filip Ekl
Zpracování informací a znalostí Informační a citační analýza
Informační systém hotelu
DOK.
Bibliografická a rešeršní činnost
Prezentace nového SQL modulu Mzdy a personalistika Pavel Pitaš Miloš Jirčík.
Zpracovala Mgr. Jana Říhová pod metodickým vedením RNDr. Růženy Blažkové, CSc.
Výukový materiál vytvořený v rámci projektu „EU peníze školám“
Zpracování informací a znalostí Zadání úkolu č. 4 – DZD
projekt PŘEDPOVĚĎ POČASÍ předpověď počasí na 13. května 2014.
Rešerše Mgr. Anna Vitásková.
Projekt PŘEDPOVĚĎ POČASÍ. Předpověď počasí na
Subtropický podnebný pás
Tento Digitální učební materiál vznikl díky finanční podpoře EU- OP Vzdělávání pro konkurenceschopnost. Není – li uvedeno jinak, je tento materiál zpracován.
Rozšíření dotazu a vývoj tématu v IR Jiří Dvorský Jan Martinovič Václav Snášel.
Inovace výuky ve vazbě na požadavky Mezinárodních výukových standardů doc. Ing. Marie Pospíšilová,CSc. SVŠES.
Tento Digitální učební materiál vznikl díky finanční podpoře EU- OP Vzdělávání pro konkurenceschopnost. Není – li uvedeno jinak, je tento materiál zpracován.
1 Zkušenosti s výukou dovedností z předmětů ELCP a IBT Simona Trávníčková
Oborová informační brána KIV Jak ji využívat. Bránu KIV vytvořili Hlavní garant: Knihovnický institut NK ČR Technologie: Ústav výpočetní techniky UK v.
Luděk Novák dubna 2006 Proč a jak řídit informační rizika ve veřejné správě.
Kvadratické rovnice 1) Vypočítejte rovnici: 3x 2 – 4x + 1 = – a = 3 b = -4 c = 1 Pokračovat.
Informační zdroje GEOLOGIE.
Jak funguje vyhledávání podobností Šimon Suchomel.
Podpora poskytování dalšího vzdělávání v Pardubickém kraji reg.č.: CZ.1.07/3.2.13/ Představení projektu - rekapitulace dosavadní činnosti aktivity.
Rizika technologického transferu v oblasti medicínských biotechnologií doc. RNDr. Evžen Amler, CSc. Oddělení tkáňového inženýrství Ústav experimentální.
Zpracování rešerše Mgr. Anna Vitásková.
Dana Sigmundová Metalib aneb jak vyhledávat (skoro) ve všech (multi)oborových databázích současně? ÚK FSS MU, Ústřední knihovna FSS MU.
Dana Mazancová Metalib aneb jak vyhledávat (skoro) ve všech (multi)oborových databázích současně? ÚK FSS MU, 8. a Ústřední knihovna FSS MU.
Podnikání na Internetu internet - zdroj informací Letní semestr 2005 Jana Holá III.
Metody zpracování informací
REŠERŠNÍ STRATEGIE Mgr. Věra Pilecká Rešeršní strategie2 Mgr. Věra Pilecká doktorandské studium na ÚISK FF UK zaměření: vyhledávání informací,
MIS - Manažerské informační systémy 1. cvičení – Internet a informace
Abychom neobjevovali znovu kolo!!! „Východiskem vědeckého studia musí být pečlivé prostudování existující literatury o dané otázce, abychom nezjišťovali.
Role znalostí MANAGEMENTU A MARKETINGU v přípravě pracovníků pro řešení vědecko-výzkumných úkolů Doc. RNDr. Eva Grublová, CSc. Mgr. Daniela Navrátilová.
Vyhledávání v IPACu Přístup ze stránek Knihovny AV ČR (ústavní bibliografie ASEP – systém ARL, zkušební provoz) Data od roku 1993 Kontrola zpracovaných.
Dana Sigmundová Databáze Wiley ÚK FSS MU, Ústřední knihovna FSS MU.
Sdílení dat o veřejné správě Jaroslav Svoboda MV, úsek informatiky odbor informatizace veřejné správy.
Nikola Dynybylová Úvod do elektronických informačních zdrojů FSS MU, Ústřední knihovna FSS MU.
Jana Holá Tvorba rešerše Jana Holá
Dana Sigmundová Databáze ProQuest 5000 ÚK FSS MU, Ústřední knihovna FSS MU.
Vymezení problému výzkumu Volba oblasti výzkumu Volba metodologického přístupu Formulace hypotéz !REŠERŠE! proč?
Ústřední knihovna FSS MU
Ústřední knihovna FSS MU Úvod do elektronických informačních zdrojů
TIPY A RADY PRO PRÁCI S WEB OF SCIENCE – SLUŽBY DOSTUPNÉ PO REGISTRACI
Ústřední knihovna FSS MU Jak se dostat Wiley pod sukni
EBSCO PhDr. Ivana Reznerová
VIKMA06 Rešeršní a studijně rozborová činnost
Ústřední knihovna FSS MU Úvod do elektronických informačních zdrojů
Fulltextové vyhledávání
EBSCO PhDr. Ivana Reznerová
Jana Holá Tvorba rešerše Jana Holá
Ústřední knihovna FSS MU
VIKMA06 Vyhledávání informací
Rešeršní činnost Mgr. Petr Šmejkal
VIKMA06 Rešeršní a studijně rozborová činnost
Vyhledávání je zaměřeno na informační zdroje z oblasti vědy, výzkumu a
EBSCO Centrum informačních a knihovnických služeb VŠE
REKVALIFIKAČNÍ ARCHIVNÍ KURZ
EBSCO Centrum informačních a knihovnických služeb VŠE
Transkript prezentace:

Zpracování informací a znalostí Přesnost a úplnost vyhledávání Doc. RNDr. Jan Rauch, CSc. Katedra informačního a znalostního inženýrství

Ukládání a vyhledávání dokumentů požadavek na informace dokumenty dotaz indexované dokumenty porovnání dotazu s indexovanými dokumenty vyhledané dokumenty

Ukládání a vyhledávání dokumentů – výsledky DOKUMENTY relevantní irelevantní vyhledané a b nevyhledané c d a = počet relevantních vyhledaných dokumentů b = počet irelevantních vyhledaných dokumentů c = počet relevantních nevyhledaných dokumentů d = počet irelevantních nevyhledaných dokumentů

Ukládání a vyhledávání dokumentů - příklad Požadavek na informace: Data mining v sociálních vědách DOKUMENTY relevantní irelevantní vyhledané ? nevyhledané - Poznámka: Systém ProQuest umožňuje formulovat dotaz tak, že k dále naznačeným potížím nedochází.

Příklad – formulace dotazu

Příklad – přehled vyhledaných dokumentů Irelevantní nalezený dokument Relevantní nalezené dokumenty

Příklad vyhledaného irelevantního dokumentu (1. část )

Příklad vyhledaného irelevantního dokumentu (2. část )

Příklad vyhledaného relevantního dokumentu

Příklad jiného vyhledaného relevantního dokumentu (1. část)

Příklad jiného vyhledaného relevantního dokumentu (2. část)

Příklad nevyhledaného relevantního dokumentu Nevyhledán dokument Pixel bar charts: a visualization technique for very large multi-attribute data sets (viz výše)

Úspěšnost vyhledávání dokumentů DOKUMENTY relevantní irelevantní vyhledané a b nevyhledané c d Přesnost = Úplnost =

Vztah přesnosti a úplnosti 1 * * * * * úzké dotazy Přesnost 0.5 široké dotazy 0.5 1 Úplnost