آموزش بازیابی متن و موتورهای جستجو - آخرین آپدیت

دانلود Text Retrieval and Search Engines

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در سال‌های اخیر، داده‌های متنی زبان طبیعی از جمله صفحات وب، مقالات خبری، متون علمی، ایمیل‌ها، اسناد سازمانی و رسانه‌های اجتماعی مانند وبلاگ‌ها، پست‌های انجمن‌ها، نظرات محصولات و توییتر رشد چشمگیری داشته‌اند. داده‌های متنی از این جهت منحصر به فرد هستند که معمولاً مستقیماً توسط انسان‌ها تولید می‌شوند و نه توسط سیستم‌های کامپیوتری یا سنسورها؛ بنابراین برای کشف دانش درباره نظرات و ترجیحات مردم و همچنین بسیاری از انواع دیگر دانش‌های کدگذاری شده در متن، بسیار ارزشمند هستند. این دوره آموزشی به بررسی فناوری‌های موتور جستجو می‌پردازد که در هر برنامه استخراج داده (Data Mining) مرتبط با داده‌های متنی، به دو دلیل نقش مهمی ایفا می‌کنند: اول اینکه اگرچه حجم داده‌های خام برای هر مسئله خاص ممکن است بسیار زیاد باشد، اما اغلب تنها زیرمجموعه کوچکی از آن‌ها مرتبط است و موتور جستجو ابزاری ضروری برای شناسایی سریع این زیرمجموعه کوچک در یک مجموعه متنی بزرگ است. دوم اینکه موتورهای جستجو به تحلیلگران کمک می‌کنند تا الگوهای کشف شده در داده‌ها را با بررسی متون اصلی مرتبط، تفسیر کرده و معنای آن‌ها را درک کنند. شما در این دوره مفاهیم پایه، اصول و تکنیک‌های اصلی بازیابی متن (Text Retrieval) را که علم زیربنایی موتورهای جستجو است، خواهید آموخت.

سرفصل ها و درس ها

توجیهی و مقدمات Orientation

  • ویدیو خوش‌آمدگویی دوره Course Welcome Video

  • ویدیو معرفی دوره Course Introduction Video

هفته اول Week 1

  • درس ۱.۱: تحلیل محتوای زبان طبیعی Lesson 1.1: Natural Language Content Analysis

  • درس ۱.۲: دسترسی به متن Lesson 1.2: Text Access

  • درس ۱.۳: مسئله بازیابی متن Lesson 1.3: Text Retrieval Problem

  • درس ۱.۴: نمای کلی روش‌های بازیابی متن Lesson 1.4: Overview of Text Retrieval Methods

  • درس ۱.۵: مدل فضای برداری - ایده اصلی Lesson 1.5: Vector Space Model - Basic Idea

  • درس ۱.۶: مدل بازیابی فضای برداری - ساده‌ترین پیاده‌سازی Lesson 1.6: Vector Space Retrieval Model - Simplest Instantiation

هفته دوم Week 2

  • درس ۲.۱: مدل فضای برداری - پیاده‌سازی بهبود یافته Lesson 2.1: Vector Space Model - Improved Instantiation

  • درس ۲.۲: تبدیل TF Lesson 2.2: TF Transformation

  • درس ۲.۳: نرمال‌سازی طول سند Lesson 2.3: Doc Length Normalization

  • درس ۲.۴: پیاده‌سازی سیستم‌های بازیابی متن Lesson 2.4: Implementation of TR Systems

  • درس ۲.۵: پیاده‌سازی سیستم - ساخت ایندکس معکوس Lesson 2.5: System Implementation - Inverted Index Construction

  • درس ۲.۶: پیاده‌سازی سیستم - جستجوی سریع Lesson 2.6: System Implementation - Fast Search

هفته سوم Week 3

  • درس ۳.۱: ارزیابی سیستم‌های بازیابی متن Lesson 3.1: Evaluation of TR Systems

  • درس ۳.۲: ارزیابی سیستم‌های بازیابی متن - معیارهای پایه Lesson 3.2: Evaluation of TR Systems - Basic Measures

  • درس ۳.۳: ارزیابی سیستم‌های بازیابی متن - ارزیابی لیست‌های رتبه‌بندی شده (بخش اول) Lesson 3.3: Evaluation of TR Systems - Evaluating Ranked Lists - Part 1

  • درس ۳.۴: ارزیابی سیستم‌های بازیابی متن - ارزیابی لیست‌های رتبه‌بندی شده (بخش دوم) Lesson 3.4: Evaluation of TR Systems - Evaluating Ranked Lists - Part 2

  • درس ۳.۵: ارزیابی سیستم‌های بازیابی متن - قضاوت‌های چند سطحی Lesson 3.5: Evaluation of TR Systems - Multi-Level Judgements

  • درس ۳.۶: ارزیابی سیستم‌های بازیابی متن - مسائل کاربردی Lesson 3.6: Evaluation of TR Systems - Practical Issues

هفته چهارم Week 4

  • درس ۴.۱: مدل بازیابی احتمالی - ایده اصلی Lesson 4.1: Probabilistic Retrieval Model - Basic Idea

  • درس ۴.۲: مدل زبانی آماری Lesson 4.2: Statistical Language Model

  • درس ۴.۳: تابع بازیابی احتمال پرس‌وجو Lesson 4.3: Query Likelihood Retrieval Function

  • درس ۴.۴: مدل زبانی آماری (بخش اول) Lesson 4.4: Statistical Language Model - Part 1

  • درس ۴.۵: مدل زبانی آماری (بخش دوم) Lesson 4.5: Statistical Language Model - Part 2

  • درس ۴.۶: روش‌های هموارسازی (بخش اول) Lesson 4.6: Smoothing Methods - Part 1

  • درس ۴.۷: روش‌های هموارسازی (بخش دوم) Lesson 4.7: Smoothing Methods - Part 2

هفته پنجم Week 5

  • درس ۵.۱: بازخورد در بازیابی متن Lesson 5.1: Feedback in Text Retrieval

  • درس ۵.۲: بازخورد در مدل فضای برداری - روش Rocchio Lesson 5.2: Feedback in Vector Space Model - Rocchio

  • درس ۵.۳: بازخورد در بازیابی متن - بازخورد در مدل زبانی Lesson 5.3: Feedback in Text Retrieval - Feedback in LM

  • درس ۵.۴: جستجوی وب: مقدمه و خزنده‌های وب Lesson 5.4: Web Search: Introduction & Web Crawler

  • درس ۵.۵: ایندکس‌گذاری وب Lesson 5.5: Web Indexing

  • درس ۵.۶: تحلیل لینک‌ها (بخش اول) Lesson 5.6: Link Analysis - Part 1

  • درس ۵.۷: تحلیل لینک‌ها (بخش دوم) Lesson 5.7: Link Analysis - Part 2

  • درس ۵.۸: تحلیل لینک‌ها (بخش سوم) Lesson 5.8: Link Analysis - Part 3

هفته ششم Week 6

  • درس ۶.۱: یادگیری برای رتبه‌بندی (بخش اول) Lesson 6.1: Learning to Rank - Part 1

  • درس ۶.۲: یادگیری برای رتبه‌بندی (بخش دوم) Lesson 6.2: Learning to Rank - Part 2

  • درس ۶.۳: یادگیری برای رتبه‌بندی (بخش سوم) Lesson 6.3: Learning to Rank - Part 3

  • درس ۶.۴: آینده جستجوی وب Lesson 6.4: Future of Web Search

  • درس ۶.۵: سیستم‌های توصیه‌گر: فیلترینگ مبتنی بر محتوا (بخش اول) Lesson 6.5: Recommender Systems: Content-Based Filtering - Part 1

  • درس ۶.۶: سیستم‌های توصیه‌گر: فیلترینگ مبتنی بر محتوا (بخش دوم) Lesson 6.6: Recommender Systems: Content-Based Filtering - Part 2

  • درس ۶.۷: سیستم‌های توصیه‌گر: فیلترینگ مشارکتی (بخش اول) Lesson 6.7: Recommender Systems: Collaborative Filtering - Part 1

  • درس ۶.۸: سیستم‌های توصیه‌گر: فیلترینگ مشارکتی (بخش دوم) Lesson 6.8: Recommender Systems: Collaborative Filtering - Part 2

  • درس ۶.۹: سیستم‌های توصیه‌گر: فیلترینگ مشارکتی (بخش سوم) Lesson 6.9: Recommender Systems: Collaborative Filtering - Part 3

  • درس ۶.۱۰: جمع‌بندی دوره Lesson 6.10: Course Summary

نمایش نظرات

آموزش بازیابی متن و موتورهای جستجو
جزییات دوره
30h 49m
45
(آخرین آپدیت)
62,872
4.4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar