「資訊檢索與擷取」課程期末專題

主題：

設計出一套檢索中文文章的資訊檢索系統。

說明：

• 利用本學期課程中所學之資訊檢索技術，發展出一套資訊檢索系統。因為中文是以 BIG5 碼編碼，佔 2 bytes，所以處理時需考慮是以 char (1 byte) 為單位，或是以中文字 (2 bytes) 為單位。 [編碼說明]
• 專題所用到的資源為597個文件檔 [格式說明] (document collection) 和一個檢索主題檔 [格式說明] (topics)。實驗中以文件檔做為訓練資料，檢索時亦是檢索文件檔中的文章。
• 針對檢索主題檔案中的五個主題，每個主題檢索出相關的文章，依據相關程度排序列出前1000名，以 e-mail 或磁片方式至資訊館 301 室給助教。結果報告格式請參閱 IRresult-format.html。
  
• 檢索所用的查詢句 (query) 可以用主題中的 <TITLE> ， <QUESTION> 及 <NARRATIVE> 三個欄位的任意組合。
• 4人一組。請於4/14前將各組名單mail給助教。請註明學號、姓名、e-mail address

期限：

• 檢索結果：
  
  • 檢索結果的繳交期限為 5/27 17:00，遲交的同學將只能和遲交的同學評比，而排名低於準時交的同學。
    
  • 結果的評比將做為專題分數的一部份。
• 程式主體：
  
  • 請同學將程式主題 (包含 source code 和 index 等) 交來，請注意所交來的程式必須要在我們的機器上確定也可以跑 (for Win 2000, Win xp, Solaris 8)，而且是一個完整的 IR 系統才行 (包含 indexing)。因此特別叮嚀同學整體程式中不要使用不能傳與外界的模組。
    
  • 程式主體的繳交期限為 5/27 17:00。程式主體請交電子檔。
• 書面報告：
  
  • 必須另外再交一份書面報告，報告中說明自己的系統所使用的方法或判斷規則，及系統的描述，請參閱 IRsystem-desc.html 網頁。
    
  • 書面報告於6/3 上課時繳交。書面報告請用紙本印出，勿交電子檔。

台大資訊系自然語言處理實驗室 林紋正
電話：(02)23625336 ext 301
E-mail： denislin@nlg.csie.ntu.edu.tw