Обратная связь
crowdsourcing DARPA Enterprise 2.0 facilitator Gartner Google IBM idea management Imaginatik knowledge management open innovation social business Social Organization Social Platforms Spigit tacit knowledge wit-проект Witology Агенство стратегических инициатив бизнес-лига Деятельное сообщество инвестиции инновации кейсы коллективный интеллект команда Witology краудрекрутинг краудсорсеры краудсорсинг краудсорсинг-проект краудсорсинг-проекты краудфандинг менеджмент идей метаразум методология мотивация Национальная предпринимательская инициатива НПИ облачное предприятие облачные предприятия общественное благо открытые инновации отчеты предсказания приз производство знаний публикации краудсорсеров рынки предсказаний Сбербанк семинар синтеллектуальный краудсорсинг Социально-семантические сети Социальное предприятие социальные платформы социальные сети социальные технологии Социальный бизнес социо-семантическая сеть ТеМП фасилитатор футбол эпоха социализации и коллаборативизации

Информация о том, как искать информацию

Просмотров2231
Комментариев10

e36148e40bc3f864e457c00c587b33e2.png
Эмблема конференции RUSSIR/EDBT 2011


На семинаре 25 августа Александр Воробьев, аналитик департамента моделей и алгоритмов, рассказал о том, как он провел 5 дней в летней школе по информационному поиску RUSSIR’2011 – Web of Data.

В школе велось множество интереснейших курсов, но, к сожалению, невозможно было посетить их все, т.к. некоторые проходили одновременно. Александр бегло познакомил нас с содержанием тех из них, на которые ему удалось попасть. Вот их краткое описание:

1)    An Introduction to Social Mining:
Курс посвящен всевозможному анализу социальных сообществ, в том числе с помощью графов, и его применению. Например, из курса можно узнать, как найти основных распространителей информации в сети переписки, как правильно оценить взаимное влияние двух рейтингов пользователей сети, как правильно оценить степень пересечения двух групп людей.

30d7f6475ad5e4cbad09e8cb54546e0e.png
Материалы конференции RUSSIR/EDBT 2011

e495306a26fcae2a4a46b9f56edc4c69.png
Материалы конференции RUSSIR/EDBT 2011

2)    Collaborative Information Retrieval:
Курс знакомит нас с относительно молодой концепцией коллективного информационного поиска: рассматриваются основные черты, которыми должна обладать система коллективного поиска, параметры, по которым эти системы отличаются, критерии, по которым их следует оценивать.

3)    Advances in Information Retrieval Evaluation:
Этот курс погружает нас в глубины оценивания традиционной поисковой системы и сравнения таких систем. Он отвечает на вопросы, какие есть методы и критерии оценки, как произвести оценку надежно, но быстро и дешево, как проверить гипотезу, что одна система работает лучше другой.

9e607270398f091c6bb8f87d70048eda.png
Материалы конференции RUSSIR/EDBT 2011

4)    Knowledge Harvesting from Web Sources:
Этот курс рассказывает о структурированных базах знаний: о том, какие виды отношений между объектами в них существуют, как их можно автоматически строить или даже применять!

68faf88c9fd2c60cd0c2585332b481f1.png
Материалы конференции RUSSIR/EDBT 2011

5)    Mining Query Logs to Improve Web Search Engines’ Operations:
Этот курс охватывает тему повышения эффективности поисковой системы на основе анализа отработавших запросов. Рассматриваются алгоритмы расширения запросов (оно происходит при обработке системой поступившего запроса для расширения области поиска), предложения запросов пользователям, персонализации запросов (система учитывает статистику запросов данного пользователя при поиске).

6)    Top-k Processing for Search and Information Discovery in Social Applications:
Если стоит задача из N объектов, упорядоченных по нескольким параметрам, выбрать k лучших по некоторому интегральному критерию, то прослушавшие этот курс знают, какие алгоритмы позволят сделать это с наименьшими затратами времени и машинной памяти.

Вот такой ураган интересной информации бушевал на нашем семинаре! Только его участники успевали увлечься одним курсом, их вниманию сразу предлагалось что-то очень заманчивое из другого. И, конечно, осталось желание познакомиться с каждым из них поближе. Поэтому, вероятно, каким-то темам в будущем будут посвящены отдельные семинары.

Если вам уже интересна одна из указанных тем, напишите об этом в комментариях к этому посту и мы постараемся как можно быстрее поделиться с вами нашими и не только достижениями в этой области

Авторы текста: Александр Воробьев, Дарья Гончарова

  • Опубликовать в Facebook
avatar

Darya Goncharova

Senior Analyst, Project Department
0
Daria Goncharova
28 Ноябрь 2013
Спасибо большое за ваши отзывы!
An introduction to Social Mining - заняла первое место по проявленному интересу=) в ближайшее время у нас появится пост об алгоритмах анализа социальных сетей - очень близкой к Social Mining теме. Следите за новостями!
Ответить Ссылка 0
0
Nikita Sushko
28 Ноябрь 2013
An Introduction to Social Mining - очень заинтересовало. Буду благодарен, если удастся познакомиться подробнее. Спасибо!
Ответить Ссылка 0
0
Dmitry Ignatov
28 Ноябрь 2013
Сравнение качества IR Systems интересная тема, потому как близка к сравнению качества рекомендательных систем. А последним я и занимаюсь уже пару лет.
Ответить Ссылка 0
0
Danov
28 Ноябрь 2013
интересны:

1) An Introduction to Social Mining:
4) Knowledge Harvesting from Web Sources

Было бы любопытно ознакомиться с материалами
Ответить Ссылка 0
0
Alexandr Vorobyev
28 Ноябрь 2013
Могу прислать презентации с этих курсов. Если интересно, напишите, пожалуйста, e-mail.
Ответить Родитель Ссылка 0
0
VRus
28 Ноябрь 2013
Навскидку пара моментов, которые было б интересно подробней:

- как правильно оценить взаимное влияние двух рейтингов пользователей сети

- из N объектов, упорядоченных по нескольким параметрам, выбрать k лучших по некоторому интегральному критерию
Ответить Ссылка 0
0
Alexandr Vorobyev
28 Ноябрь 2013
1) Предлагается исследовать связь между рангами пользователей по этим рейтингам, а не между значениями рейтингов, т.к. интересны обычно именно ранги.
Утверждается, что в данном случае обычный коэффициент корреляции даст недостаточно точный ответ на вопрос о взаимосвязи двух рейтингов. Действительно, изменение ранга на 1 в вершине списка и в его низах должны влиять на коэффициент взаимосвязи по-разному. С этой точки зрения взаимосвязь рейтингов хорошо отражает угол - полярная координата пользователя на плоскости, где оси - ранги по двум рейтингам (см. картинку)
2) В этом курсе предполагается, что интегральный критерий (функция от нескольких параметров) уже задан. Рассматривается лишь вопрос оптимизации алгоритма выбора лучших по этому критерию объектов. Вам интересно именно это?
Ответить Родитель Ссылка 0
0
VRus
28 Ноябрь 2013
Видимо, нужно смотреть формулы, как определяется коэффициент корреляции и прочее, и также по пункту 2. Выложены эти соображения с формулами где-нибудь в сети? (кстати клик на картинку открывает этот же пост).
Ответить Родитель Ссылка 0
0
Alexandr Vorobyev
28 Ноябрь 2013
Могу прислать презентации с этих курсов. Если интересно, напишите, пожалуйста, свой e-mail.
Ответить Родитель Ссылка 0
0
VRus
28 Ноябрь 2013
Да, пришлите, пожалуйста. А то вчера вдруг выяснилось, что мне пункт 2 критично интересен, включая оптимизацию алгоритма. E-mail www.vladim@gmail.com
Ответить Родитель Ссылка 0