 |
|
ТЕМИ ФАХОВОЇ ІНФОРМАЦІЇ ДЛЯ ПОШУКУ В МЕРЕЖІ INTERNET.
1. Розподілені бази даних.
2. Бази даних в Internet.
3. Мова програмування Delphi і бази даних.
4. Мова програмування С-шарп (C#).
5. Лабораторні (практичні) роботи на Delphi.
6. Лабораторні (практичні) роботи на С-шарп (C#).
7. Лабораторні (практичні) роботи на С/С++.
8. Лабораторні (практичні) роботи з курсу „Комп’ютерні мережі“.
9. Використання інформаційно-комунікаційних систем в освіті.
10. Використання інформаційних технологій при викладанні інформатики.
11. Використання інформаційних технологій при викладанні хімії.
12. Віртуальні лабораторії (хімії, фізики, математики).
13. Принципи розробки тестів.
14. Метод проектів у викладанні інформатики.
15. Ділові ігри (зокрема, при викладанні інформатики).
16. Використання соціальних серверів (Web 2.0, Web 3.0, тощо) в навчальному процесі.
1.Оцінка ступеню релевантності: релевантність документа збільшується, якщо відповідні слова або фраза в запиті кілька разів зустрічаються в контенті, у назві сторінки, у важливих заголовках та короткому змісті. Тобто, наприклад, в Яндексі відсортовано за ступенем релевантності,а може бути за датою.
2.В ідеальній пошуковій системі отриманий в результаті пошуку документ повністю релевантний, тобто відповідає запиту користувача. Сьогодні доводиться розрізняти формальну релевантність і змістовну релевантність. Змістову дуже тяжко отримати, тому що пошукова система рідко видає точний запит. Для цього вона має бути ідеальна, але на жаль ніщо не ідеальне.
3.Оцінка ступеню пертинентності: придатність інформації (за формою, змістом, з мінімальною обробкою). Неконтрольований рівень пертинентності вибірки при цьому різко знижує ймовірність одержання саме тієї інформації, що потрібна. Тому стає ясно, що пошукові технології повинні бути розширені за рахунок застосування додаткових семантичних засобів, що дозволяють або скоротити розрив між рівнями релевантності й пертинентності, або якось його компенсувати. Пропонується реалізація принципу попередньої обробки текстового матеріалу за допомогою методик, характерних для іншої області інформаційних технологій, а саме контент-аналізу. Така обробка передбачає автоматичне виділення найбільш значимої інформації і відсівання зайвого, що дозволить працювати з наборами даних і при правильній організації, може істотно підвищити рівень пертинентності результатів пошуку.
4.Тому можна зробити висновок, що характеристики пертинентності мають бути більш відповідними до запиту теми, щоб результат був придатний до шуканого. Наш результат майже відповідає шуканому,тому що знаходить: і алгоритми, і просто НСД, і алгоритми НСД.
5.Оцінка повноти: здатність відшукувати та видавати релевантні документи, тобто такі, що відповідають запитові виконується у всіх 3-х пошукових системах. Можливо не зовсім точно, тому що на перших сторінках запиту повнота 100%, а далі зменшується, шукає не весь запрошений запит, а по одному слово.
6.Оцінка точності: здатність відсіювати та затримувати нерелевантні сторінки також виконується на 3 – х пошукових системах. Видає точнішу інформацію на перші сторінки, а на іншу відсіює та затримує не релевантну інформацію. А якщо й задати розширений пошук, то шукатиме ще точніше. Але не завжди пошук позитивний. Також можна задати шуканий запит у такий оператор «», тоді пошукова система буде шукати сторінки де є точно такий запит.
7.Оцінка швидкості: швидкість у пошукових системах оптимальна. Можна сказати, що достатня для користувача. Відносно даної теми також в будь – якій системі.