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	110-1
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

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. Natural Language Issues in IR 8. Fundamental of Information Extraction 9. Knowledge Base-and-Linked Data 10. Knowledge Graph：An Information Retrieval Perspective
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	期中考、期末考、學期計畫、期末專題報告
預期每週課後學習時數
Office Hours	另約時間備註： TA email 陳建宏：chchen@nlg.csie.ntu.edu.tw 林佑恩：yelin@nlg.csie.ntu.edu.tw
指定閱讀
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. Bhaskar Mitra and Nick Craswell, An Introduction to Neural Information Retrieval, Foundations and Trends in Information Retrieval, vol. 13, no. 1, pp. 1-126, 2018. 4. Ridho Reinanda, Edgar Meij and Maarten de Rijke, Knowledge Graphs: An Information Retrieval Perspective, Foundations and Trends in Information Retrieval, vol. 14, no. 4, pp 289-444, 2020. 5. Fabian Suchanek and Gerhard Weikum, Knowledge Harvesting in the Big Data Era, http://www.mpi-inf.mpg.de/yagonaga/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	09/23	Lecture 1. Introduction to IR-IE
第2週	09/30	Lecture 2. Representations and IR Models Lecture 3. Classic IR Models (Boolean and Vector Models)
第3週	10/07	Lecture 3. Classic IR Models (Probabilistic Model) Lecture 4. Set Theoretical Models
第4週	10/14	Lecture 5. Algebraic Models Lecture 6. Probabilistic Models
第5週	10/21	Lecture 7. Fundamentals of Deep Learning
第6週	10/28	Lecture 8. An Introduction to Neural Information Retrieval
第7週	11/04	Lecture 9. Retrieval Evaluation
第8週	11/11	期中考
第9週	11/18	Lecture 10.Relevance Feedback and Query Expansion
第10週	11/25	Lecture 11. Natural Language Issues in IR
第11週	12/02	Lecture 12. Fundamental of Information Extraction
第12週	12/09	Lecture 13 Knowledge Base-and-Linked Data Lecture 14. Knowledge Graph：An Information Retrieval Perspective
第13週	12/16	期末專題報告
第14週	12/23	期末專題報告
第15週	12/30	期末專題報告
第16週	01/06	期末考