IE1
Information Engineering 1
Information Engineering 1
gleich verteilt=>Viele Wörter sind seltenWenig Wörter sind häufig=> Zipfisches GesetztX-achse => Häufigkeit => geht mit anzahl wörter extrem RunterY-Achse => WörterSiehe Seite 11
Ausbeute und PräzisionGut für analyse, aber nicht perfektBeide Masse modellieren die Annahme, dass möglichst viel relevante,und möglichst wenig irrelevante Information gefunden werden soll.Ziel: Optimierung eines oder beider KriterienMassen sind mengenbassiert und wiedersprchen sich
Ausbeute und Präzision
Volltextindexierung und Verschlagwortung
Web-specific data- Hyperlink- oder Verbindungsanalyse- Click-through data (Angeklickte Resultate)- Ankertext (wie Leute auf diese Webseite verweisen)- Google (1998) mit PageRank-Algorithmus
Alternative zum Stemming?
- Lemmatisierung : Korrekte linguistische Analyse der Wortformen
- Corpusbased Stemming
- N-Gram
- Semantische Lösungen wie Expansionen
Term oder Merkmal
Beim Indexierungsprozess ensttteht ein Bag of words
Term = eindeutiges Wort
Token = Auftreten ines Terms
Merkmal = Term oder andere eindeutige Einheiten (Phoneme, Linienkanten, Histogramme)
N-Gram
Ein N-Gram ist eine Sequenz von n(3,4,...) Buchstaben
Information
_In
Inf
nfo
......
Anwendung :
- Sprachunabhängige Algorithmen
- Erkennung der SDprache
- Spellchecking
- Fehlertoleranter Vergleich (OCR-Text)
- Vergleich der Ähnlichkeit der Dokumente
Vektorraummodell
Siehe Bild
Worstatistiken
Was ist :
- ff oder tf
- df
- >Dokumentenlänge
- Position des Merkmals
- ff (feature frequency; Merkmalshäufigkeit), auch tf (term frequency,Termhäufigkeit) – wie oft tritt ein Merkmal/Term in einem Dokument auf
- df (document frequency, Dokumentenhäufigkeit) – in wievielen Dokumenten tritt ein Merkmal/Term auf
- Dokumentlänge – ein Mass für die Länge des Dokuments:z.B. Anzahl Tokens, Anzahl Merkmale/Terme, Bytelänge
- Position der Merkmale im Text, Inlinks/Outlinks (im folgenden nicht weiter betrachtet)
Inverse Document Frequency
Formel & Erkärung
Termgewichtung mit idf
Anstatt nur Worthäufigkeiten in einem Text zu zählen, ermittle wie viele Dokumente der Kollektion den Term beinhalten in Verhältnis zur totalen Anzahl von Dokumenten der Kollektion.
idf(φk) = log((1+N)/(1+df(φk)))
wobei
- N: Anzahl der Dokumente in der Kollektion
- df(φk): Anzahl Dokumente, die Term k enthalten
- Mit idf(φk) kann die Ausprägung (Wichtigkeit; wie "charakteristisch") eines Terms für ein bestimmtes Dokument besser bestimmt werden als durch
- simples Zählen der Häufigkeiten.
Gewichtungsformle für idf
Siehe Bild
Term Discrimination Model
Wie gut ist ein Term geignet um Dokumentte zu unterscheiden?
-> Gute Terme expandieren den Vekorraum
Wir unterscheiden nun:
– DISCVALUEk > 0: (gut)
• Term dünnt Vektorraum aus, d.h., dient der Unterscheidung von
Dokumenten
• Meistens Terme mit mittlerer Häufigkeit
– DISCVALUEk ≈ 0: (neutral)
• Hinzufügen des Terms hat kaum Effekt
• Meistens Terme tiefer Häufigkeit (schaden Ausbeute)
– DISCVALUEk < 0: (schlecht)
• Term verdichtet Vektorraum, d.h., erschwert die Unterscheidung von
Dokumenten
• Meist Terme mit hoher Häufigkeit (schaden Präzision)
Erkläre die Relevanzrückkoppelung anhand dieses Bildes
Idee: Der Benutzer identifiziert im Resultat die relevanten und irrelevanten Dokumente
Es wird dadurch ein neuer Vektor konstruiert, der näher an den relevanten Dokumenten und weiter weg von den irrelevanten liegt.
Danach wird die Original-anfrage neu gewichtet und um neue Begriffe (aus den relevanten Dokumenten) ergänzt
dadurch entsteht eine komplett neue Anfrage
Blind Relevance Feeback
Bei der Relevanzrückkoppelung ensteht ein neuer Vektor anhand des Blind relevance Feedback.
Erkläre und zeige die Konsequenz auf:
Im Blind Relevance Feedback sagt nicht der User ob die Resultate relevant sind, sondern das System
Aus der 1. Anfrage wird eine neue query mit zusätzlichen Wörtern aus dem Pseudofeedback gebildet.
Konsequenz : Die neuen Wörter helfen bei der Wahl der Begrifflichkeit -> Die Ausbeute der Query wird grösser aber auch der Noise
Verbalistisches Retrieval
Was ist die Idee
Idee :
- Retrieval ist ein Klassifizierungsprozess – die Dokumente sollen in relevant resp. nicht-relevant eingeteilt werden (theoretisch auch mehr als zwei Klassen denkbar, z.B. «egal» – in der Praxis selten)
- Menge der relevanten Dokumente ist << Menge der irrelevanten Dok.
- Gegeben ein bestimmtes Dokument D: berechne P(R|D)
- Unterschiedliche Schätzungen dieser Wahrscheinlichkeit führen zu unterschiedlichen Modellen.
Werkzeuge für die Statistik
- A, B stochastisch unabhängig, dann P(A,B)=P(A)*P(B)
- Bedingte W'keit: P(A|B)=P(A,B)/P(B).
- Bayes: P(A|B)=P(A)P(B|A)/P(B)
- Das PRP fordert RSV(q,d) = f(P(R|q,d)) + g(q), d.h., eine ordnungserhaltende Funktion auf der Wahrscheinlichkeit, dass ein Dokument d zur Anfrage q als relevant betrachtet wird
- (absolute Scores sind also für die Rangierung nicht wichtig)
Erkläre BIR
• Ziel: Relevanzwahrscheinlichkeit durch Auftretenswahrscheinlichkeiten von
Merkmalen darstellen
• An der Tafel! ( siehe auch abgegebenen Text mit vereinfachter Herleitung)
• Die Annahmen/Einschränkungen sind im Wesentlichen:
• Grundeinschränkung: P(R|Di) ist unabhängig von P(R|Dj)
• Dokumente sind "Bag of Words", und ausschliesslich über diesen "Bag of Words" dargestellt
• Dokumente und Anfrage werden durch binäre Vektoren repräsentiert
• Einzelne Terme sind voneinander unabhängig, d.h. P(Vektor x|R,q) = Produkt der einzelnen
P(Term xi|R,q)
• Terme, die nicht in der Anfrage vorkommen, sind in relevanten und irrelevanten Dokumenten
gleich häufig
• Alle nicht vom Dokument abhängigen Faktoren werden ignoriert, Logarithmus vereinfacht die
Berechnung
• Sehr wenig relevante, sehr viele irrelevante Dokumente
• Resultat RSJ (Robertson-Sparck Jones) Gewichtung. log(pi(1-qi) / (qi(1-pi)))
• -> ergibt ohne Relevanzinformation eine idf-Gewichtung
Exact vs. Best Match
Best Match:
- – Die Anfrage soll das bestpassende oder «gute» Dokumente beschreiben
- – Jedes Dokument ist prinzipiell zur Anfrage ähnlich
- – Resultat ist eine Rangliste aus Dokumenten
Exact Match:
- – Die Anfrage beschreibt ein präzises Retrievalkriterium
- – Ein Dokument erfüllt das Kriterium/erfüllt dieses nicht
- – Das Resultat ist eine ungeordnete Menge von Dokumenten
• In der Praxis mischen Systeme oft diese beiden Paradigmen
- – Bsp: Best-Match mit einzelnen Boole’schen Operatoren
Invertierte Liste
Was ist eine invertierte Liste und wie könnte so eine aussehen?
Eine ivertierte Liste besteht aus einer Liste von Merkmalen (Term) mit mindestens Infos über die Häufigkeit jedes Merkmales in der Dokumentenkollektion
Merkmal# | Merkmal | Merkmal und Lokalisierungsinformation
1 | cold | 2;(1,6),(4,8)
2 | days | 2;(3,2),(6,2)
2; -> Dokumenthäüfigkeit
(3,2), -> Dokumentnummer & Lokalisierung innerhalb Dokument
Liste geignet effizient Wörter zu finden
Was bedeutet es Indexe upzudaten ?
Was bedeutet es , Dokumente zu löschen?
updaten : löschen un dienfügen
löschen :
- Invertierte Liste updaten
- alle Wörter bestimmen, die in den Dokumenten vorkommen und dann rauslöschen
- Idf cash & hash der Wörter ändert sich -> riesen Aufwand
1. Eine seriöse Evaluation setzt eine klare Aufgabenstellung Voraus: => Beispiele?
Was sind die Motivation, Ziele, und Vorgehensweise der Evaluation? Welches sind die an den Resultaten interessierten Parteien? Etc…
Was sin die Listungsfaktoren / Leistungsmasstäbe / Leistungsmasse(Effektivität,Effizienz,Akzeptanz) / Daten
3 Stufen der Evaluation der Retrivaleffektivität?
IR-Komponenten (z.B Stemmer)
IR-System (Anfrage → Dokumente)
IR-Lösung (Wissenschaffungsprozess => UI-Fragen etc.)
- Daten über die Benutzer- Daten über Informationsbedürfnisse- Dokumentdaten- Daten über die Relevanz der Dokumente in Hinsicht auf die Informationsbedürfnisse
Bedeuted «Enterprise Search»
Content-based
Anfrage und Dokument müssen vergleichbar gemacht werden=> somit brauch es eine: «Indexierung»
akzeptiere Anfrage und liefere Resultat zurück- Front end – macht Anfragereformulierung – Stemming, Grossschreib-Regeln,BooleanOptimierung, Zusammensetzung, etc.- Back end – findet passende Dokumente und rangiert diese
Ich möchte eine statistik/änlichkeit zwischen lift und aufzugich will aber auch eine statistik/ähnlichkeit zwischen lift und aprikoseSchaut nicht für synonyme aber Begriffe die extrem stark im gleichen Kontext auftretten
auf einen effektiven Informationszugriff(aus diesen "expliziten" Informationen wird dann (teilw. "implizites") Wissen abgeleitet)
Clustering: Gruppierung von Kollektionen, Menge die sich mit Kategorisierung gegenseitigAuschliessen => schwierig wenn Dokumente Kurz sind (gibt ausreisser)Annotation: Gruppierung von Dokumenten (z.B wissenschaftliche Artikel
Ausbeute und Präzision
Zeichne einen Ausbeute und Präzisions Graphen
Textinhalt automatisch zu beschreiben, ist die Häufigkeit der einzelnen Wörter zu untersuchen.=> automatische Indexierung nicht so einfach wie man glauben könnte.
Wird sehr oft für spam filtering eingesetzt => hier wird auch KategorisiertDenke an den Satzt von Bayes
möglichst viel relevante, und möglichst wenig irrelevante Information gefunden werden soll.
- Werden irrelevante, oder zu viele resp. zu wenige relevante Dokumentegefunden, formuliert der Benutzer die Anfrage um (ändert die Verbalisierungresp. Codierung)- Der Benutzer kann vom System bei der Umformulierung unterstützt werden(automatische Erweiterung der Anfrage, Suche nach ähnlichen Dokumenten)=> was ist der spezielle Vorteil, den das System dabei gegenüber dem NutzerHat? Schmeisst nicht Wörter Raus, könnte zur folge haben das Resultat schlechter wird +Muss ich dem User nicht auf den Sack gehen- Werden relevante Dokumente gefunden, ändert sich Verständnis des Informationsbedürfnisses.
- Informationelle, navigationale, transaktionale, örtlich gebundene Bedürfnisse.- “Klassisches IR” konzentriert sich auf informationelle Bedürfnisse (“Bibliothekszenario”)
Beispiel:- Sortiere Q so, dass populäre Seiten (mit vielen in-coming Links) bevorzugt werden.- Sortiere Q so, dass zusammenfassende Seiten (mit vielen out-going Links) bevorzugt werden.- Verwende den Google-Algorithmus => PageRank
Beschreibe den IR - Prozess anhan der Frage "How can i best archive my digital photos?"
Beschreibung des Retrieval Problems
Auffinden von möglichst vielen Relevanten Informationen bei gleichzeitig minimieren der Gelieferten irrelevanten Informationen Wir wollen nicht nur Informationen wiederfinden sondern auch neue Informationen finden
-
- 1 / 256
-
Cartes-fiches
– einem unlimitierten Vokabular (freie Indexierung) oder– einer autorisierten Liste von Deskriptoren (kontrollierte Indexierung)
Bei Synonym-/Homonymproblemen muss eines der Merkmale als Deskriptor deklariert werdenDeskriptor repräsentiert Klasse zB: Klasse von QuasiSynonymenNicht-Deskriptoren: Rest der Klasse, die bei der Indexierung nicht verwendet werden darf.
Resultate ist eine Folge von wie gute die Anfrage zusammengestellt wurde
• Das Retrieval System muss die geschäftsrelevanten Entitäten (Produkte,Kundenbeziehungen, Lieferanten, etc.) „kennen“.• Das Retrieval System muss die wichtigsten Benutzer- und Bedürfniskategorien „kennen“.• Das Retrieval System muss wissen, welche Informationsquellen für welchen(Teil-) Prozess relevant sind.• Das Retrieval System muss die Transformation von unstrukturierter Informationin strukturiertes Wissen unterstützen.
Beantwortet “das Bedürfnis hinter der Anfrage”nimmt stärkere Rücksicht auf die Unterscheidung informationell/navigational/- transaktional
IR-Evaluation nach CranfieldBlackBoxs und erfolgt nacher im Vergleich zu einem vorgegebenen Richtresultat(optimaleRetrivalresultat => heisst wird von Benutzern interpretiert)Experimente sind dadurch nachvollziebar und wiederhohlbarSomit vergleich mit «Testkollektion» zu «Richtresultat»
Das können wir mit einer Stoppuhr machen
Erkläre die Begriffe interpolated & non interpolated
Average precision : was ist die Mean Average Precision
non-interpolated = Durchschnitt der Präzesionswerte anhand der Ränge aller Relevanten Dokumenten
interpolated = Durchschnitt der Präzesionswerte für spezifische Ausbeutegrade
MAP = Durchschnittliche Average Precision über alle Anfragen
einfache Webseiten und Textdateien finden
um Aufgaben zu erledigen
• Interne, vertikale Kollektionen• Firmenübergreifende Suchsysteme (integrative Funktion!)• Intranets• (persönliche Arbeitsplätze Desktop Search)• Extranets (Websites, Webportale, u.a.)• spezielle Suchapplikationen
- Berechnung rekursiv- Kann offline berechnet werden- Anfangs Page-Rank aller Knoten = 1- Konvergiert gegen "Random Surfer"-Wahrscheinlichkeiten- Durchaus anfällig auf Spam
Gewisse Grundanzahl an Anfragen notwendig, um Überhaupt Aussagen machen zu können. Wieviel?
Mindestens 50 Anfragen
Es gibt nicht perfekte resultatFrage: Wie gut ist das wohldefinierte Resultat?Es gibt nicht die eine SuchtechnologieGoogle ist nicht geignet um zum Beispiel stellen zu suchen
Ja gibts auch
Granularität einer invertierten Liste?
Wie genau kann ich zugreifen Granularität ist die Genauigkeit, zu welcher eine invertierte Liste die Lokalisierung der Merkmale festlegt
- Grober Index: z.B. nur Blöcke von Texten in welchen mehrere Dokumente gespeichert sein können
- Mittlerer Index: z.B. die Lokalisierung sind als Dokumentnummern gespeichert
- Feiner Index: Index liefert ein Satz, Wort oder sogar ein Byte zurück
Adresse der Merkmale ist mit einem „Schlüssel“ ti verbunden auf welchemittels einer hash-Funktionen h(ti) zugegriffen wirdZiel: Hash gleichmässig auf den Speicher verteilenKollisionen sind trotzdem unvermeidbar und müssen entsprechend behandelt werden.Im Generellen, zeigt eine Funktion h(t) auf einen Anker der invertierten Liste:
jede query an all diese Quellens schickenRule-based selectionRelevant document distribution (RDD)Query Clustering
Aufwand (grosser Aufwand)Konsistenz (Schwierig eie Kinsistenz zu bauen)Unschärfe? Transitivität(Verben die ein Objekt brauchen)Vollständigkeit?Bedeutungen sind abhängig von Zeit, Betrachter, thematischen Kontext.Ein Thesaurus kann helfen, Begriffe konsistent zu verwenden.
???IR applications support a *specific* knowledge-intensive business process.The performance on the *actual* underlying data collection is importantThere are different motivations for evaluation:Not just tuning, but also monitoring, continuous evaluation etc.There are different requirements for evaluation:Not comparative evaluation. Absolute performance is important!
Zu unterscheiden bei Synonymen und HomonmenFür Klassifikation
Indegree ist die Anzahl von einkommenden Links zu einem gegebenen Dokument.ndegree als Qualitätseinflussfaktor ist schwach: kann von Spammern missbraucht werden
Für Online Kollektionen KostenintensivDas kontrollierte Vokabulat der Indexierungsprache bildet die Katergorie
Die exakte Indexierungsstrategie ist ein Geschäftsgeheimnis und variiert vonUnternehmen zu Unternehmen. (Was erwarten Sie aber für eine Tendenz?) Extremfall: Man kann die Beschreibung jeder Seite auf die Kollektion derzugehörigen Ankertexte beschränken. Riesige Reduktion der Dokumentenmenge (z.B. NTCIR-5 Webtrack von 1.5TB auf 80MB) Geeignet, um Webseiten zu indexieren, die keinen Text enthalten (z.B. Multimedia-Daten) SPAM ist ein Problem, sowohl beim Spidern, als auch beim Indizieren. !!! Es gibt Probleme bei der Speicherung des Index (muss verteilt werden –Konsequenzen?)
Mehr oder weniger relveant oder vollständig
Information Retrieval Paradigmen
Was ist push/pull/browse
- Aufgrund eines Ad hoc-Informationsbedürfnises Dokumente mit relevanten Informationen suchen (pull). (Ad hoc = zu) Anfrage Indexe mit Dokument Indexe vergleichen (das was wir aus SKB kennen)
- Dokumente mit relevanten Informationen aus einem Dokumentenstrom herausfiltern und weiterleiten (push). Denke einfach an Filtersuche (z.Bsp: Dokumente von 1999 – 2008) oder Spam Mails oder
- Neue Dokumente kategorisieren und in eine Informationsstruktur einordnen (browse). Dokumente in Themenhierarchie einordnen (Baumstruktur)
Daten + Bedeutung, die Ihnen beigemessen wird.Informationen immer an Informationsbedürfnis gebunden
Inhaltstragende Wörter?
- Annahme: die Wörter in einem Text (und ihre Häufigkeiten) sagen etwas über die Relevanz dieses Textes aus - Information wird in inhaltstragenden Wörtern codiert.
Inhaltsragende Wörter :
Manche Wörter tragen "wenig" Inhalt (lexikalische Bedeutung). Es sind dies die "Funktionswörter", wie Artikel, Partikel, Pronomen,
Konjunktionen, ..
• Aber: beachten sie die Bedeutung von "nicht" im vorhergehenden Beispiel!
• Manche Wörter sind inhaltstragend, helfen aber nicht, den Text zu
charakterisieren
• Für das Retrieval besonders interessant sind diejenigen Wörter,
welche inhaltstragend sind und den Text "auszeichnen"
Besteht aus geortnete Liste aus Merkmalen mit Information, Häufigkeit jedes Merkmales inDer Dokumentenkollektioneffizent ist vom wort zum dokument, andersrum nichtalso ich muss das irgendwi umdrehenSpickzettel: Invertierte liste => Begriff auf dokumentExample auf seite 7
- Datenbanken liefern für strukturierte Information mit kontrolliertem Vokabularperfekte Resultate.- Daten in Datenbanken sollten unabhängig sein von der Applikation(erlaubt zukünftige Nutzung). Redundanz wird vermieden.- Elemente sind entweder Teil der Resultatmenge oder nicht (binäre Unterscheidung).- Boole’sche Kriterien zur Selektion- Geeignet für die Suche in (hoch-)struktierter Information mit kontrolliertem Vokabular.Schaue dir auch Seite 47 an
Suchfunktionen in Editoren/Textverarbeitungen basieren auf Mustervergleichen. Skaliert nicht - Linearer Scan über Dokument(e) Binär: erfüllt Suchkriterium oder nicht Ermöglicht nur einfache Anfragen Geeignet für die Suche innerhalb eines Dokuments (vor allem zurBearbeitung), nicht für die Suche nach Dokumenten.
IR-Prozess
Erkläre den IR Prozess anhand der folgenden Anfrage:
"How can I best archive my digital photos?"
Verbalisierung/Codierung
Verbalisierung: „Verstehen des Problems“: richtige Begriffe, Vollständigkeit
Paradox: muss Problem verstanden haben, um es richtig zu verbalisieren
Codierung: „Verstehen des Systems“: richtige Operatoren, etc.
Paradox: muss die Resultate kennen, um Anfrage richtig zu codieren
Das System kann a priori nur die explizite Information, welche in der „codierten“ Anfrage
enthalten ist, auswerten.
Das Resultat bevorzugt also Entscheide, welche bestmöglich zu dieser „codierten
Anfrage“ passen. Nicht explizit formulierte Präferenzen oder Hintergrundwissen des
Benutzers können nicht in die Resultatfindung einfliessen.
Das Resultat ist immer nur so gut wie die Anfrage!
Verständnis des Benutzers für sein Informationsbedürfnis ändertsich mit der Information, welche er sammelt.Suche ist oft ein iterativer Prozess
Das hat mit dem Suchparadox zu tun.Sind es strucktuierte Daten?Ist das System homogen oder heterogen?Haben die Daten eine Gute oder schlechte Qualität?Schaue dir nochmals das Suchparadox an!!!
Ja, kommt zum Beispiel auf das Dateiformat anIn form von Tabelle (viel specherbedarf), In form von Text (wenig specherbedarf)
Klassifikation deckt eine Dokumentenkollektion im Allg. vollständig ab.Arbeitet mit NT und BT
HITS (Hypertext Induced Topic Selection) vorgeschlagen von KleinbergWebseite kann als Hub angesehen werdenUrsprungsmenge R ziehen wir alle Nachbaren in BetrachtVon dieser erweiterten Menge können wir die „hubness“ und „Autorität“ jedeseinzelnen Knoten (Webseite) bestimmen.Knoten, die im zurück gelieferten Graphen vorkommen, können wir die Wertevom Hub und der Autorität berechnen.
Komposita
• Deutschen können (unendlich viele) Komposita gebaut werden, indemman Wörter zusammenfügt
Komposita können nicht lexikalisch aufgezählt werden
Die Komposita sind eigentlich sehr gute Suchbegriffe, aber:
Der gleiche Sachverhalt lässt sich immer auch als Nominalphrase umschreiben (z.B. mit den Einzelbegriffen) "Rindfleischetikettierungsüberwachungsaufgabenübertragungsgesetz"
Es ist sehr hilfreich, solche Komposita zu zerlegen (weitere ca. +30% Effektivität) Aber: Frühstück => nicht alle Komposita sollten getrennt werden Fussballweltmeisterschaft => Fussball|Weltmeisterschaft oder Fuss|Ball|Welt|Meisterschaft?
=> wenige Systeme bieten eine solche Zerlegung!
- Der “unscharfe” Begriff der Relevanz und die vielfältigen Darstellungsformender Information, welche eine Übereinstimmung von Anfrage und Dokumenterschweren, führen zu einer wahrscheinlichkeitsbasierten Lösung: Es werden diejenigen Dokumente geliefert, für welche die Wahrscheinlichkeit, dass sievom Benutzer als relevant zur Anfrage beurteilt werden, am höchsten sind. Ein Retrievalresultat ist fast nie vollständig “korrekt”: es fehlen relevante Dokumente, oderirrelevante Dokumente werden zusätzlich gefunden. Merke: “scharfe Kriterien” (ja/nein) sind ungeeignet, da der Benutzer die Anzahl und dieForm der gesuchten Dokumente kennen müsste, um eine Anfrage zu formulieren, welchedas gewünschte Resultat liefert => Paradox Gute Retrieval-Systeme erlauben dem Benutzer alles zu formulieren, was er weiss, ohnedie Gefahr, zuviel oder zuwenig zu finden.
• Was ist Information Retrieval? => viele Relevante, wenig irrelevante Informationen finden• Was ist das Retrievalproblem? => Benutzer und Kontext abhängig• Was ist die Bedeutung des IR-Kreislaufs?=> Information die ich brauche, → Verbalisierung, → Formulation/Coding, → Retrival, → Resultat• Ist Google ein schlechtes IR-System? Was war der Knackpunkt?=> -Vereinfachung erlauben dank Suchparadox, -belibig Verbalisierung, findet immer was,-Grosse datenmenge, - für Präzisionsorientierte Nutzer gut• Warum sollten wir bei (Web-)suche NICHT "Die Nadel imHeuhaufen" bemühen? => wir stellen präzisionsorientierte anfragenEinfach anfragen: wie gross ist eifelturm, Antwort 300
