Vizualizace v Information Retrieval

Vizualizace v Information Retrieval Petr Kopka VŠB-TU Ostrava Fakulta elektrotechniky a informatiky Katedra informatiky

Obsah z Co

je Information Retrieval, vizualizace, proces přístupu k informacím z Způsoby vizualizace z Aplikace GraphAnalysis z Závěr z Literatura a zdroje 6.6.2007

Vizualizace v Information Retrieval, Petr Kopka, 2007

2

Co je Information Retrieval Lidstvo vytváří obrovské množství informačních pramenů, člověk sám není schopen v takovém množství efektivně hledat z Problém částečně přenesen na výpočetní techniku automatický popis dokumentů nahrazuje práci člověka z Problémy automatického popisu dokumentů 1. jak informaci extrahovat (na základě popisu dokumentu) 2. jak informaci použít k vyhodnocení relevance (stanovení z

relevance dokumentu na daný dotaz je stále na člověku) z

Přenos procesu stanovení relevance na počítač vyžaduje model umožňující snadno měřit relevanci

6.6.2007


3

Co je Information Retrieval z Model

získávání dat DOTAZY ODEZVA VSTUP

PROCESOR

VÝSTUP

DOKUMENTY

z Problém

– jak reprezentovat data a

dotazy 6.6.2007


4

Vizualizace v IR z z z z

Proces vyhledávání dat vyžaduje poskytnutí rozhraní mezi uživatelem a systémem Systém postupně zobrazuje výsledky hledání Problém návrhu rozhraní – člověk uvažuje mnohem komplexněji než počítač Zásady návrhu UI – Zpětná vazba – Nízké zatížení paměti – Různé UI z hlediska odbornosti uživatele

6.6.2007


5

Proces přístupu k informacím z

Model přístupu k informacím 1. 2. 3. 4. 5. 6. 7. 8.

6.6.2007

Poptávka po informaci Výběr vyhledávacího systému Formulování dotazu Odeslání dotazu do systému Obdržení výsledků v podobě jednotlivých položek Vyhodnocení výsledků Konec. Nebo Přeformulování dotazu a opakování od kroku 4. Vizualizace v Information Retrieval, Petr Kopka, 2007

6

Způsoby vizualizace v IR z z z

Textová Grafická Animovaná

Výhody grafické vizualizace – – – – – 6.6.2007

Stručná reprezentace (množství dat rozdílných typů) Přibližnost (shluky, zachycení poměrů) Důraz na souvislosti (důležitý rys v souvislostech) Schopnost změny perspektivy Stimulace myšlení správným směrem Vizualizace v Information Retrieval, Petr Kopka, 2007

7

Způsoby vizualizace v IR Overture 11

z Jednoduchý

Yahoo

graf pojmů

37

(graf asociací pojmů)

29

36

Google

MSN

17

24 6

4

Sun

Microsoft 7

Convera

32

21

7

Autonomy 11

6 Verity 9

IBM

Lycos

3 Findwhat

6.6.2007


8

Způsoby vizualizace v IR z Histogramy z Spojnicový

graf

6.6.2007


9

Způsoby vizualizace v IR z Kruhový

6.6.2007

graf


10

Způsoby vizualizace v IR z SOM – WEBSOM

6.6.2007


11

Způsoby vizualizace v IR z Hyperbolické

stromy

z Bifokální

stromy

6.6.2007


12

Způsoby vizualizace v IR z Třídimenzionální z Hybridní

6.6.2007

metody

nástroje


13

The Netron Project z Hlavní

aktivita – vývoj software nástrojů umožňujících demostrovat schopnost grafů a diagramů vizualizovat data z Kompletní kód volně k dispozici z Možnost vyvíjet vlastní aplikace založené na knihovnách TNP

6.6.2007


14

The Netron Project - balík GraphAnalysis z GraphApplications – Graph Analysis

6.6.2007


15

Graph Analysis - následující vývoj z

Následující vývoj projektu – velikost uzlů – gradientní hrany – 3D uzly

z

Další vlastnosti 3D zobrazení – vybrání rozsahu dat a závislostí – zachování zobrazení ostatních dat

6.6.2007


16

GraphAnalysis – vstupní data z z

Symetrická matice Binární strom popsaný pomocí XML

6.6.2007

0

5

1

1

3

0

5

0

0

0

0

0

1

0

0

0

0

0

1

0

0

0 12

0

3

0

0 12

0

0

0

0

0

0

0

0


17

GraphAnalysis – třídní diagram

6.6.2007


18

GraphAnalysis – omezení zobrazení z Vizualizace

symetrické matice čítající sto objektů (bez omezení)

6.6.2007


19

GraphAnalysis – omezení zobrazení z Volba

omezení zobrazovaných uzlů a hran (8 – 92)

6.6.2007


20

GraphAnalysis – omezení zobrazení z Volba

omezení zobrazovaných uzlů a hran (90 – 100)

6.6.2007


21

Závěr Popis vizualizačních metod z Vizualizace testována na matici podobnosti s 1000 objekty z Možnosti dalšího rozšíření z

– Přiřazení textových hodnot uzlům – Možnost manipulace s uzly – Rastrové a vektorové výstupní formáty 6.6.2007


22

Literatura a zdroje z z z z z z z z z z z z z

Ricardo Baeza-Yates and Berthier Ribeiro-Neto: Modern Information Retrieval C. J. van Rijsbergen: Information Retrieval (second ed.) http://www.dcs.gla.ac.uk/Keith/Preface.html Shneiderman, B. Designing the User Interface: Strategies for Effective Human-

Computer Interaction (3 ed.) Teuvo Kohonen: Self-Organizing Maps Ronen Feldman, James Sanger: The Text Mining Handbook Katy Börner, Chaomei Chen, Kevin Boyack: Visualizing Knowledge Domains Jörg Ontrup, Helge Ritter: Hyperbolic Self-Organizing Maps for Semantic Navigation. Ricardo A. Cava, Paulo R. G. Luzzardi, Carla M. D. S. Freitas: The Bifocal Tree: a Technique for the Visualization of Hierarchical Information Structures Ivo Vondrák: Umělá inteligence a neuronové sítě Jan Martinovič: Information Retrieval a shlukování metodou WEBSOM Pokorný J., Snášel V., Húsek D.: Dokumentografické informacní systémy Dalibor Kačmář: Programujeme .NET aplikace ve Visual Studiu .NET Chris Sells: C# a WinForms – programování formulářů Windows 6.6.2007


23

Vizualizace v Information Retrieval

Recommend Documents