Modulcode: | infIR-01a |
Englische Bezeichnung: | Information Retrieval |
Modulverantwortliche(r): | Prof. Dr. Ralf Krestel |
Turnus: | unregelmäßig (WS21/22 WS23/24 SS25) |
Präsenzzeiten: | 4V 1Ü 1PÜ |
ECTS: | 8 |
Workload: | 60 Std. Vorlesung, 15 Std. Präsenzübung, 15 Std. praktische Übung, 150 Std. Selbststudium |
Dauer: | ein Semester |
Modulkategorien: | BSc-Inf-WP (BSc Inf (21)) WI (BSc Inf (15)) MSc-Inf-WP (MSc Inf (21)) 2F-MEd-Inf-WP (MEd-Hdl Inf (21)) 2F-MA-Inf-WP (2F-MA Inf (21)) MSc-WInf-WP-WInf (MSc WInf (21)) WI (MSc Inf (15)) 2F-MA Inf WP (2F-MA Inf) WWi (MSc WInf (15)) |
Lehrsprache: | Deutsch |
Voraussetzungen: | infDB-01a |
Das Finden von Informationen ist die Kernkomponente vieler Anwendungen: von klassischen Internet-Suchmaschinen, über Online-Shops bis hin zur Diagnose von Krebszellen. Den Ursprung hat "Information Retrieval" in den Bibliothekswissenschaften. Seit der Erfindung von Computern und dem Internet rückte jedoch die Textsuche im Web in den Vordergrund der Anwendung und Forschung.
In dieser Vorlesung werfen wir im ersten Teil einen Blick auf die grundlegenden Konzepte des Information Retrievals: Crawling, Indexierung, Suchmodelle, Anfrageverarbeitung, Benutzerschnittstellen und Evaluation. Im zweiten Teil lernen wir Ansätze des maschinellen Lernens zur Verbesserung der Suchergebnisse kennen. Und im letzten Teil geben wir einen Einblick in aktuelle Anwendungsfelder, wie z.B. Web IR und Multimedia IR, sowie damit verbundene betriebswirtschaftliche Überlegungen, wie z.B. Geschäftsmodelle, Urheberrechte, Datenschutz. Die Veranstaltung hat einen großen praktischen Anteil ("learning by doing") und die theoretischen Konzepte werden anhand von Anwendungen und Beispielen veranschaulicht.
Studierende können...
Für den praktischen Teil der Übungsaufgaben verwenden wir Python. Studierende können aber für ihre Einreichungen auch Java verwenden. D.h., entweder Python oder Java sollte ausreichend beherrscht werden.
Es werden in der Vorlesung grundlegende Konzepte des IR eingeführt, welche anhand von Beispielen und Anwendungen vertieft werden. In der Übung entwickeln die Studierenden über das Semester eine eigene Volltext-Suchmaschine in Kleingruppen angeleitet durch wöchentlichen Übungsblätter.