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	106-1
授課對象	電機資訊學院資訊網路與多媒體研究所
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/1061CSIE5460_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。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. Classification and Clustering 10. Index Construction 11. Social Search 12. Entity Extraction 13. Relationship Extraction 14. 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 13:00~15:00 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. Hang Li and Zhengdong Lu, Deep Learning for Information Retrieval, dl.acm.org/ft_gateway.cfm?id=2914800&type=pdf 4. Sunita Sarawagi, Information Extraction, Foundations and Trends in Databases, Vol. 1, No. 3, 2007, 261–377. 5. Fabian Suchanek and Gerhard Weikum, Knowledge Harvesting in the Big Data Era, http://www.mpi-inf.mpg.de/yago-naga/sigmod2013-tutorial/ 6. 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	9/14	Introduction to Information Retrieval and Extraction
第2週	9/21	Basic IR Models (Search Scenarios, The Boolean Model, Term Weighting, TF-IDF Weights)
第3週	9/28	Basic IR Models (The Vector Model,Probabilistic Model), Set Theoretic Model (Set-Based Model, Extended Boolean Model)
第4週	10/05	Fuzzy Set Model, Generalized Vector Model, Latent Semantic Model
第5週	10/12	Neural Network, BM25, language model
第6週	10/19	Translation Model, Deep Learning for IR
第7週	10/26	Retrieval Evaluation
第8週	11/02	Retrieval Evaluation
第9週	11/09	Mid-Term Examination
第10週	11/16	Relevance Feedback and Query Expansion
第11週	11/23	Reports of the First Term Project
第12週	11/30	Natural Language Issues in IR
第13週	12/07	Fundamental of Information Extraction
第14週	12/14	Entity Extraction, Term Project 2 Announcement
第15週	12/21	Relation Extraction
第16週	12/28	Knowledge Base and Linked Data
第18週	01/11	Final Term Examination