Praktikum fortgeschrittene Prolog-Programmierung

• Informationen über PiLLoW
• Informationen über Proximal Nodes finden sich auf den Sites von Ricardo Baeza-Yates und Gonzalo Navarro. Hier findet sich auch der sehr gute Überblicksartikel Integrating Contents and Stucture in Information Retrieval, der verschiedene Systeme vergleicht.
• Informationen über Tree Matching gibt es online nur in dicker Fassung: Die Dissertation von Pekka Kilpeläinen. Der Site seiner Arbeitsgruppe DocMan ist auch ganz interessant.
• Die Folien vom 19.11.97
• Eine Entwurfsbeschreibung zu unserem System.
• Ein Testfile zum Einlesen.
• Eine Stopwortliste (Prolog-Terme, ca. 34 kB).

• Die C Quellen für den Stemmer. Achtung: Der Stemmer arbeitet nicht mit der SGML/HTML Darstellung deutscher Umlaute. Bitte die Quellen nicht weitergeben!
  Die wichtigste Funktion ist Stem im File stem.c. Die müßtest Ihr importieren.
• Ein Thesaurus mit Beschreibung der Syntax.
• Eine Reihe von Testdokumenten aus dem medizinischen Bereich.

Termine (aktualisiert!!)

• 14.1.98: Auswertung von Anfragen und Einlesen von tagged Text. (Vielleicht lässt sich beim Einlesen die Pillow Library verwenden.)
• 28.1.98: Integration eines Indizes, d.h. Erstellen (bzw. Erweitern) eines Indizes beim Einlesen eines SGML-Files, und Verwendung des Indizes beim Checken der Constraints. Beim Einlesen Stopwortliste verwenden!
  Der Index sollte aus Fakten index/2 bestehen, die die Abbildung von Suchwörtern auf Listen von Vorkommen realisieren. Diese Fakten sollten moeglichst nicht im Hauptspeicher liegen! Moeglichkeiten: Sicstus mit externer Datenbasis, SWI mit einer Library, SWI mit C Schnittstelle und C Bibliothek (oder in C programmieren), oder in Prolog selber programmieren.
• 11.2.98: Implementierung des Vektoraumverfahrens, womit Ähnlichkeiten von Dokumenten bewertet werden. In einer Anfrage soll dies durch similar/3-Constraints dargestellt werden, wobei die ersten beiden Argumente entweder Strings sind, oder Variablen, die auf Knoten zeigen. Das letzte Argument ist die Schwelle, d.h. der Wert des Skalarproduktes, ab dem zwei Dokumente als ähnlich akzeptiert werden.
  Integration des Stemmers (C Quellen dazu). Optional Integration des Thesaurus.
• 25.2.98: Großer Wettbewerb um das schnellste, beste und schönste System. Die Systeme müßen das Vektorraummodell und das Boole'sche Retrievalmodell implementieren. Der Index soll auf dem Hintergrundspeicher liegen. Texte können sukzessive gespeichert werden. Kriterien für die Bewertung der Systeme (nach Wichtigkeit geordnet):
  Korrektheit und Vollständigkeit der implementierten Verfahren.
  Geschwindigkeit des Retrieval.
  Geschwindigkeit des Einlesens von Texten.
  Größe des Indexfiles.
  Der Test wird anhand dieses Files durchgeführt. Ich werde ein paar Beispielanfragen vorbereiten. Beispielanfragen von Euch sind willkommen. Meine Beispielanfragen mache ich erst am Mittwoch bekannt.