mirror of
https://github.com/Steffo99/unisteffo.git
synced 2024-11-26 09:54:19 +00:00
✨ More!
This commit is contained in:
parent
97af90d753
commit
7c099f469f
GPG key ID:
6965406171929D01
4 changed files with 100 additions and 79 deletions
|
|
@ -1,3 +1,3 @@
|
||||||
.titlesplit {
|
.titlesplit {
|
||||||
margin-top: 20px;
|
margin-top: 80px;
|
||||||
}
|
}
|
||||||
|
|
|
||||||
|
|
@ -1,11 +1,10 @@
|
||||||
import React from "react";
|
import React from "react";
|
||||||
import {Help} from "bluelib/lib/components";
|
import {LatexMath, Help} from "bluelib/lib/components";
|
||||||
import PropTypes from "prop-types";
|
|
||||||
|
|
||||||
|
|
||||||
export default function IDF() {
|
export default function IDF() {
|
||||||
return (
|
return (
|
||||||
<Help text={"Inverse document frequency, metodo di calcolare i pesi che si basa sul logaritmo inverso della document frequency."}>idf</Help>
|
<Help text={"Inverse document frequency, quanto un termine è raro all'interno della collezione di documenti"}><LatexMath>{`idf`}</LatexMath></Help>
|
||||||
)
|
)
|
||||||
}
|
}
|
||||||
|
|
||||||
|
|
|
||||||
|
|
@ -1,11 +1,10 @@
|
||||||
import React from "react";
|
import React from "react";
|
||||||
import {Help} from "bluelib/lib/components";
|
import {LatexMath, Help} from "bluelib/lib/components";
|
||||||
import PropTypes from "prop-types";
|
|
||||||
|
|
||||||
|
|
||||||
export default function TF() {
|
export default function TF() {
|
||||||
return (
|
return (
|
||||||
<Help text={"Term frequency, La frequenza di un termine in un documento."}>tf</Help>
|
<Help text={"Term frequency, quanto un termine è frequente nel singolo documento"}><LatexMath>{`tf`}</LatexMath></Help>
|
||||||
)
|
)
|
||||||
}
|
}
|
||||||
|
|
||||||
|
|
|
||||||
|
|
@ -1,5 +1,5 @@
|
||||||
import React from "react";
|
import React from "react";
|
||||||
import {Split, Aside, Anchor, LatexMath, Help, Blockquote, Title, Code, Color, Underline as U, BaseLink as A, Paragraph as P, Bold as B, Italic as I, ListItem as LI} from "bluelib/lib/components";
|
import {Split, Aside, Anchor, LatexMath, Help, Blockquote, Title, Separator, Code, Color, Underline as U, BaseLink as A, Paragraph as P, Bold as B, Italic as I, ListItem as LI} from "bluelib/lib/components";
|
||||||
import Page from "../../components/Page";
|
import Page from "../../components/Page";
|
||||||
import TitleSplit from "../../components/TitleSplit";
|
import TitleSplit from "../../components/TitleSplit";
|
||||||
import TitleBox from "../../components/TitleBox";
|
import TitleBox from "../../components/TitleBox";
|
||||||
|
|
@ -17,6 +17,7 @@ import Predicato from "./abbr/Predicato";
|
||||||
import Todo from "../../components/Todo";
|
import Todo from "../../components/Todo";
|
||||||
import IDF from "./abbr/IDF";
|
import IDF from "./abbr/IDF";
|
||||||
import TF from "./abbr/TF";
|
import TF from "./abbr/TF";
|
||||||
|
import TFIDF from "./abbr/TFIDF";
|
||||||
|
|
||||||
|
|
||||||
export default function Gestinfo() {
|
export default function Gestinfo() {
|
||||||
|
|
@ -70,6 +71,9 @@ export default function Gestinfo() {
|
||||||
<Aside>
|
<Aside>
|
||||||
Il web crawler più famoso è <Anchor href={"https://it.wikipedia.org/wiki/Googlebot"}>Googlebot</Anchor>, che visita ricorsivamente tutti i collegamenti presenti su ogni pagina.
|
Il web crawler più famoso è <Anchor href={"https://it.wikipedia.org/wiki/Googlebot"}>Googlebot</Anchor>, che visita ricorsivamente tutti i collegamenti presenti su ogni pagina.
|
||||||
</Aside>
|
</Aside>
|
||||||
|
<P>
|
||||||
|
Un insieme di documenti è detto <B><I>collezione</I></B>.
|
||||||
|
</P>
|
||||||
</TitleBox>
|
</TitleBox>
|
||||||
<TitleBox title={"Query"}>
|
<TitleBox title={"Query"}>
|
||||||
<P>
|
<P>
|
||||||
|
|
@ -342,7 +346,21 @@ export default function Gestinfo() {
|
||||||
<Aside>
|
<Aside>
|
||||||
Solitamente viene usata nei modelli di <IR/> vettoriali, descritti in seguito.
|
Solitamente viene usata nei modelli di <IR/> vettoriali, descritti in seguito.
|
||||||
</Aside>
|
</Aside>
|
||||||
|
<Todo>
|
||||||
|
Forse dovrei scrivere la formula "completa".
|
||||||
|
</Todo>
|
||||||
</TitleBox>
|
</TitleBox>
|
||||||
|
<Aside>
|
||||||
|
<P>
|
||||||
|
Altre misure di similitudine vettoriale sono:
|
||||||
|
</P>
|
||||||
|
<ul>
|
||||||
|
<LI>La <Anchor href={"https://it.wikipedia.org/wiki/Distanza_euclidea"}>distanza euclidea</Anchor></LI>
|
||||||
|
<LI>Il <Anchor href={"https://en.wikipedia.org/wiki/S%C3%B8rensen%E2%80%93Dice_coefficient"}>Sørensen–Dice coefficient</Anchor></LI>
|
||||||
|
<LI>Il <Anchor href={"https://en.wikipedia.org/wiki/Jaccard_index"}>Jaccard Index</Anchor></LI>
|
||||||
|
<LI>La <Anchor href={"https://it.wikipedia.org/wiki/Distanza_di_Minkowski"}>distanza di Minkowski</Anchor></LI>
|
||||||
|
</ul>
|
||||||
|
</Aside>
|
||||||
</TitleBox>
|
</TitleBox>
|
||||||
</Split>
|
</Split>
|
||||||
<TitleSplit title={"Indici"}>
|
<TitleSplit title={"Indici"}>
|
||||||
|
|
@ -553,98 +571,103 @@ export default function Gestinfo() {
|
||||||
</P>
|
</P>
|
||||||
</TitleBox>
|
</TitleBox>
|
||||||
</TitleSplit>
|
</TitleSplit>
|
||||||
|
<TitleBox title={"Modelli classici"}>
|
||||||
|
<P>
|
||||||
|
Rappresentano la query come un <B>insieme di index term</B>, e assegnano le rilevanze confrontando l'insieme con gli index term dei documenti.
|
||||||
|
</P>
|
||||||
|
<Aside>
|
||||||
|
Sono usati solitamente dai motori di ricerca web.
|
||||||
|
</Aside>
|
||||||
|
<P>
|
||||||
|
Ad ogni index term del documento viene <B>indipendentemente</B> assegnato un <B><I>peso</I></B> in base alla sua rilevanza nella query.
|
||||||
|
</P>
|
||||||
|
</TitleBox>
|
||||||
<Split>
|
<Split>
|
||||||
<TitleBox title={"Modelli classici"}>
|
<TitleBox title={"Modello booleano"}>
|
||||||
<P>
|
<P>
|
||||||
Rappresentano la query come un <B>insieme di index term</B>, e assegnano le rilevanze confrontando l'insieme con gli index term dei documenti.
|
<B>Modello classico</B> che rappresenta la query come un <B><Predicato/> <I>booleano</I></B>, e genera la rilevanza valutandolo su ogni documento:
|
||||||
|
</P>
|
||||||
|
<ul>
|
||||||
|
<LI><B><code>1</code></B> se il <Predicato/> è <B>vero</B></LI>
|
||||||
|
<LI><B><code>0</code></B> se il <Predicato/> è <B>falso</B></LI>
|
||||||
|
</ul>
|
||||||
|
</TitleBox>
|
||||||
|
<TitleBox title={"Modello fuzzy"}>
|
||||||
|
<P>
|
||||||
|
Variante del <B>modello booleano</B> che permette ai documenti di <B>soddisfare parzialmente</B> il <Predicato/>:
|
||||||
|
</P>
|
||||||
|
<ul>
|
||||||
|
<LI><B><code>1.00</code></B> se il <Predicato/> è <B>vero</B></LI>
|
||||||
|
<LI><B><code>0.XX</code></B> se il <Predicato/> è <B>parzialmente vero</B></LI>
|
||||||
|
<LI><B><code>0.00</code></B> se il <Predicato/> è <B>falso</B></LI>
|
||||||
|
</ul>
|
||||||
|
<P>
|
||||||
|
Le <B>operazioni fuzzy</B> diventano quindi:
|
||||||
|
</P>
|
||||||
|
<ul>
|
||||||
|
<LI><U><code>AND</code></U>: <B><LatexMath>{`max( x_{A},\\ x_{B} )`}</LatexMath></B></LI>
|
||||||
|
<LI><U><code>OR</code></U>: <B><LatexMath>{`min( x_{A},\\ x_{B} )`}</LatexMath></B></LI>
|
||||||
|
<LI><U><code>NOT</code></U>: <B><LatexMath>{`1 - x_{A}`}</LatexMath></B></LI>
|
||||||
|
</ul>
|
||||||
|
</TitleBox>
|
||||||
|
</Split>
|
||||||
|
<Split>
|
||||||
|
<TitleBox title={"Modello vettoriale"}>
|
||||||
|
<P>
|
||||||
|
Modello classico che rappresenta il vocabolario come uno <B>spazio vettoriale</B>, in cui ogni dimensione rappresenta un token.
|
||||||
|
</P>
|
||||||
|
<P>
|
||||||
|
Ogni documento viene rappresentato come un <B>vettore</B>, i cui valori sono <B>pesi</B> assegnati in base a quanto il token è signficativo all'interno del documento.
|
||||||
</P>
|
</P>
|
||||||
<Aside>
|
<Aside>
|
||||||
Sono usati solitamente dai motori di ricerca web.
|
Il metodo più comunemente usato per assegnare i pesi è il <TFIDF/>, descritto successivamente.
|
||||||
</Aside>
|
</Aside>
|
||||||
<P>
|
<P>
|
||||||
Ad ogni <B>index term del documento</B> viene assegnato un <B><I>peso</I></B> in base alla sua rilevanza nella query.
|
Le query vengono anch'esse trasformate in vettori, e le rilevanze vengono ottenute dalla <B>similitudine vettoriale</B> tra i vettore query e i vettori documenti.
|
||||||
</P>
|
</P>
|
||||||
<p>
|
<Aside>
|
||||||
Essendo i pesi <B>indipendenti</B> uno dall'altro, è possibile raggiungere un <B><Color value={"lime"}>elevato parallelismo</Color></B> nel loro calcolo; viene però <B><Color value={"red"}>ignorato l'ordine delle parole</Color></B> nella query e nei documenti.
|
La matrice della collezione è estremamente sparsa: viene implementata <B>per colonne</B> attraverso un <B>inverted index</B>.
|
||||||
</p>
|
</Aside>
|
||||||
|
</TitleBox>
|
||||||
|
<TitleBox title={<span>Peso <TFIDF/></span>}>
|
||||||
|
<P>
|
||||||
|
Un metodo di assegnamento peso che si basa sul <B>prodotto</B> dei fattori <B><TF/></B> e <B><IDF/></B>:
|
||||||
|
</P>
|
||||||
|
<B><LatexMath block={true}>{`w = tf_{norm} \\cdot idf_{log}`}</LatexMath></B>
|
||||||
<Split>
|
<Split>
|
||||||
<TitleBox title={"Modello booleano"}>
|
<TitleBox title={<span><TF/>: Term frequency</span>}>
|
||||||
<P>
|
<P>
|
||||||
Rappresenta la query come un <B><Predicato/> <I>booleano</I></B>, e valutandolo su ogni documento trova la rilevanza:
|
Misura quanto un token è <B>frequente</B> nel <B>singolo documento</B>:
|
||||||
</P>
|
</P>
|
||||||
<ul>
|
<B><LatexMath block={true}>{`tf = \\frac{occorrenze}{totale\\ token}`}</LatexMath></B>
|
||||||
<LI><B><code>1</code></B> se il <Predicato/> è <B>vero</B></LI>
|
|
||||||
<LI><B><code>0</code></B> se il <Predicato/> è <B>falso</B></LI>
|
|
||||||
</ul>
|
|
||||||
<P>
|
<P>
|
||||||
È <B><Color value={"lime"}>semplice da implementare</Color></B> e <B><Color value={"lime"}>specifico</Color></B>, ma <B><Color value={"red"}>poco user-friendly</Color></B> e <B><Color value={"red"}>non permette di ordinare i documenti</Color></B>.
|
Nella formula principale, viene <B>normalizzato</B> dividendolo per il <TF/> più alto del documento, limitandolo così a valori tra 0 e 1:
|
||||||
</P>
|
</P>
|
||||||
<TitleBox title={"Modello fuzzy"}>
|
<B><LatexMath block={true}>{`tf_{norm} = \\frac{tf}{\\max\\ tf_d}`}</LatexMath></B>
|
||||||
<P>
|
|
||||||
Permette ai documenti di <B>soddisfare parzialmente</B> il <Predicato/>:
|
|
||||||
</P>
|
|
||||||
<ul>
|
|
||||||
<LI><B><code>1.00</code></B> se il <Predicato/> è <B>vero</B></LI>
|
|
||||||
<LI><B><code>0.XX</code></B> se il <Predicato/> è <B>parzialmente vero</B></LI>
|
|
||||||
<LI><B><code>0.00</code></B> se il <Predicato/> è <B>falso</B></LI>
|
|
||||||
</ul>
|
|
||||||
<P>
|
|
||||||
Le <B>operazioni fuzzy</B> diventano quindi:
|
|
||||||
</P>
|
|
||||||
<ul>
|
|
||||||
<LI><U><code>AND</code></U>: <B><LatexMath>{`max( x_{A},\\ x_{B} )`}</LatexMath></B></LI>
|
|
||||||
<LI><U><code>OR</code></U>: <B><LatexMath>{`min( x_{A},\\ x_{B} )`}</LatexMath></B></LI>
|
|
||||||
<LI><U><code>NOT</code></U>: <B><LatexMath>{`1 - x_{A}`}</LatexMath></B></LI>
|
|
||||||
</ul>
|
|
||||||
<P>
|
|
||||||
A differenza del modello booleano standard, quello fuzzy <B><Color value={"lime"}>funziona bene con documenti vaghi</Color></B>, ma rimane <B><Color value={"red"}>poco user-friendly</Color></B>.
|
|
||||||
</P>
|
|
||||||
</TitleBox>
|
|
||||||
</TitleBox>
|
</TitleBox>
|
||||||
<TitleBox title={"Modello vettoriale"}>
|
<TitleBox title={<span><IDF/>: Inverse document freq.</span>}>
|
||||||
<P>
|
<P>
|
||||||
Rappresenta tutto come <B>vettori multidimensionali</B>, in cui ogni <B>dimensione</B> rappresenta una <B>caratteristica</B>.
|
Misura quanto un token è <B>raro</B> nella <B>collezione di documenti</B>:
|
||||||
</P>
|
</P>
|
||||||
|
<B><LatexMath block={true}>{`idf = \\frac{documenti\\ con\\ occ.}{totale\\ documenti}`}</LatexMath></B>
|
||||||
<P>
|
<P>
|
||||||
Per ogni token, che sia di un documento o di una query, viene selezionato un <B>peso non-negativo per ogni dimensione</B>, in base a quanto il token <B>presenta quella caratteristica</B>.
|
Nella formula principale, viene <B>logaritmizzato</B>, al fine di ridurre significativamente il suo impatto:
|
||||||
</P>
|
</P>
|
||||||
<TitleBox title={<span>Pesi <TF/></span>}>
|
<B><LatexMath block={true}>{`idf_{log} = \\log(idf)`}</LatexMath></B>
|
||||||
<P>
|
|
||||||
Si basano sulla frequenza di un token in un documento.
|
|
||||||
</P>
|
|
||||||
<P>
|
|
||||||
Si possono calcolare in tre modi diversi:
|
|
||||||
</P>
|
|
||||||
<ul>
|
|
||||||
<LI>
|
|
||||||
<U>Frequenza</U>:
|
|
||||||
<B><LatexMath block={true}>{`tf = \\frac{occorrenze}{totale}`}</LatexMath></B>
|
|
||||||
</LI>
|
|
||||||
<LI>
|
|
||||||
<U>Frequenza normalizzata</U>:
|
|
||||||
<B><LatexMath block={true}>{`tf = \\frac{frequenza\\ del\\ termine}{frequenza\\ massima}`}</LatexMath></B>
|
|
||||||
</LI>
|
|
||||||
<LI>
|
|
||||||
<U>Frequenza logaritmica</U>: <Todo>Perchè non viene visualizzata?</Todo>
|
|
||||||
<B><LatexMath block={true}>{`tf =
|
|
||||||
\\begin{cases}
|
|
||||||
0 \\qquad se\\ frequenza = 0\\
|
|
||||||
1 + \\log_{10} \\left( frequenza \\right) \\qquad altrimenti
|
|
||||||
\\end{cases}
|
|
||||||
`}</LatexMath></B>
|
|
||||||
</LI>
|
|
||||||
</ul>
|
|
||||||
</TitleBox>
|
|
||||||
<P>
|
|
||||||
Il vettore query e i vettori documenti vengono poi confrontati attraverso <B><I>misure di similitudine vettoriale</I></B>, ottenendo come risultato la rilevanza dei documenti.
|
|
||||||
</P>
|
|
||||||
</TitleBox>
|
|
||||||
<TitleBox title={"Modello probabilistico"}>
|
|
||||||
|
|
||||||
</TitleBox>
|
</TitleBox>
|
||||||
</Split>
|
</Split>
|
||||||
</TitleBox>
|
</TitleBox>
|
||||||
</Split>
|
</Split>
|
||||||
|
<Split>
|
||||||
|
<TitleBox title={"Modello probabilistico"}>
|
||||||
|
<P>
|
||||||
|
Modello classico che ordina i documenti in base alla loro <B>probabilità di rilevanza</B>.
|
||||||
|
</P>
|
||||||
|
<P>
|
||||||
|
<Todo>Da finire!</Todo>
|
||||||
|
</P>
|
||||||
|
</TitleBox>
|
||||||
|
</Split>
|
||||||
</Page>
|
</Page>
|
||||||
)
|
)
|
||||||
}
|
}
|
||||||
|
|
|
||||||
Loading…
Reference in a new issue