課程大綱

課程資訊

課程名稱	資訊檢索與擷取 Information Retrieval and Extraction
開課學期	107-1
授課對象	電機資訊學院資訊工程學研究所
授課教師	陳信希
課號	CSIE5460
課程識別碼	922 U1910
班次
學分	3.0
全/半年	半年
必/選修	選修
上課時間	星期四2,3,4(9:10~12:10)
上課地點	資105
備註	限學士班三年級以上總人數上限：55人
Ceiba 課程網頁	http://ceiba.ntu.edu.tw/1071CSIE5460_irie
課程簡介影片
核心能力關聯	核心能力與課程規劃關聯圖
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述	課程概述在巨量資料的世代，資訊以多樣化的語言文字與媒體呈現，透過不同的網路平台，在不同時空情境與社群間傳遞。資訊具有不同的顆粒大小，含括文件、實體、實體特性、實體關係等不同層次。本課程分成資訊檢索和資訊擷取兩部分，由文字檢索、多語言檢索、網路檢索、情境檢索、社群媒體檢索、到實體擷取、特性擷取、以及關係擷取等不同面向的理論、方法、技術、與應用。由於深度學習技術帶來新的表示方法，本課程也比較進階模型和傳統模型的差異。課程內容 1. Introduction 2. An Overview On IR 3. Classic IR Models (Boolean Model, Vector Model, Probabilistic Model) 4. Advanced IR Models (Learning Model, Language Model, Topic Model, Deep Learning Model) 5. Retrieval Evaluation 6. Relevance Feedback and Query Expansion 7. Chinese Information Retrieval 8. Text Operations 9. Social Search 10. Entity Extraction 11. Relationship Extraction 12. Knowledge Base and Linked Data
課程目標	本課程學習資訊檢索和資訊擷取兩大領域的理論、方法、技術、與應用。
課程要求	待補
預期每週課後學習時數
Office Hours	每週二 09:00~12:00 備註： R301
指定閱讀	待補
參考書目	1. Ricardo Baeza-Yates and Berthier Ribeiro-Neto, Modern Information Retrieval: The Concepts and Technology behind Search, Second edition, 2011. 2. Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Introduction to Information Retrieval, Cambridge University Press. 2008. 3. Yoav Goldberg, Neural Network Methods for Natural Language Processing, Synthesis Lectures on Human Langauge Technologies, 2016. 4. Hang Li and Zhengdong Lu, Deep Learning for Information Retrieval, dl.acm.org/ft_gateway.cfm?id=2914800&type=pdf 5. Sunita Sarawagi, Information Extraction, Foundations and Trends in Databases, Vol. 1, No. 3, 2007, 261–377. 6. Fabian Suchanek and Gerhard Weikum, Knowledge Harvesting in the Big Data Era, http://www.mpi-inf.mpg.de/yago-naga/sigmod2013-tutorial/ 7. Selected Papers
評量方式 (僅供參考)

課程進度

週次	日期	單元主題
第1週	09/13	Lecture 1. Introduction
第2週	09/20	Lecture 2. Representations and IR Models Lecture 3. Classic IR Models (Boolean and Vector Models)
第3週	09/27	Lecture 3. Classic IR Models (Probabilistic Model) Lecture 4. Set Theoretical Models
第4週	10/04	Lecture 5. Algebraic Models Lecture 6. Probabilistic Models
第5週	10/11	Lecture 7. Fundamentals of Deep Learning
第6週	10/18	Lecture 7. Fundamentals of Deep Learning (cont.) Term Project 1 講解 (11:30-12:00)
第7週	10/25	Lecture 7. Fundamentals of Deep Learning (Cont.) Lecture 8. Deep Learning for IR
第8週	11/01	Lecture 9. Retrieval Evaluation
第9週	11/8	期中考 (範圍：Lecture 1-Lecture 8)
第10週	11/15	校慶停課
第11週	11/22	Lecture 9. Retrieval Evaluation Lecture 10.Relevance Feedback andQuery Expansion
第12週	11/29	Lecture 10. Relevance Feedback and Query Expansion (Revised)
第13週	12/6	Term Project 1報告
第14週	12/13	Lecture 11. Natural Language Issues in IR
第15週	12/20	Lecture 12. Fundamental of Information Extraction, Lecture 13 Entity Extraction (part)
第16週	12/27	Lecture 13. Entity Extraction, Lecture 14. Relation Extraction (part)
第17週	1/3	Lecture 14. Relation Extraction, Lecture 15. Knowledge Base-and-Linked Data
第18週	1/10	期末考