Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Heinrich Brodbeck Geändert vor über 9 Jahren
1
Evaluierung von Information Retrieval Systemen Minimal Test Collection (MTC)- Verfahren Karin Haenelt 14.12.2014 / 15.12.2013 / 5.12.2011
2
Inhalt Einführung des MTC-Verfahrens Vorbetrachtungen Abkürzungen und Beispiel für diese Folien Präzision und durchschnittliche Präzision Darstellung von Präzision und durchschnittlicher Präzision als Zufallsexperiment MTC-Verfahren, Spezifikation Erläuterung des Dokument-Selektionsalgorithmus Formeln für die Dokumentgewichte Berechnung des (Nicht-)Relevanzeffekts eines Dokuments Tracing des Selektionsalgorithmus für das Folienbeispiel Abbruchkriterium für den Algorithmus Konfidenz Evaluierungsergebnisse 2© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
3
Beurteilungsmethode Minimal Test Collection (MTC) Ben Carterette (2008). Low-Cost and Robust Evaluation of Information Retrieval Systems. PhD thesis, University of Massachusetts Amherst Ben Carterette, James Allan, and Ramesh K. Sitaraman. Minimal test collections for retrieval evaluation. In: Proceedings of SIGIR, pages 268-275, 2006. http://ir.cis.udel.edu/~carteret/papers/sigir06.pdfhttp://ir.cis.udel.edu/~carteret/papers/sigir06.pdf James Allan, Ben Carterette, Javed A. Aslam, Virgil Pavlu, Blagovest Dachev, Evangelos Kanoulas (2007). Million Query Track 2007 Overview. Proceedings of TREC 2007. http://maroo.cs.umass.edu/pub/web/getpdf.php?id=800 http://maroo.cs.umass.edu/pub/web/getpdf.php?id=800 auch UMass-Verfahren genannt (University of Massachusetts Amherst) 3© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
4
Minimal Test Collection Verfahren (MTC) Grundgedanken Genaue Schätzung der Information Retrieval Evaluierungsmetriken erfordert eine riesige Menge von Relevanzbeurteilungen Eine neue Sicht auf die durchschnittliche Präzision (average precision – AP) zeigt, dass es möglich ist, eine Menge von Retrievalsystemen mit hoher Konfidenz mit einer minimalen Menge von Beurteilungen zu evaluieren Diese Sicht führt auch zu einem Algorithmus zum inkrementellen Aufbau von Testkollektionen 4© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 (Carterette, Allan, Sitamaran, 2006)
5
Inhalt Einführung des MTC-Verfahrens Vorbetrachtungen Abkürzungen und Beispiel für diese Folien Präzision und durchschnittliche Präzision Darstellung von Präzision und durchschnittlicher Präzision als Zufallsexperiment MTC-Verfahren, Spezifikation Erläuterung des Dokument-Selektionsalgorithmus Formeln für die Dokumentgewichte Berechnung des (Nicht-)Relevanzeffekts eines Dokuments Tracing des Selektionsalgorithmus für das Folienbeispiel Abbruchkriterium für den Algorithmus Konfidenz Evaluierungsergebnisse 5© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
6
Abkürzungen 6© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
7
Beispiel für diese Folien 2 Systeme: System 1 (S 1 ) und System 2 (S 2 ) 3 Dokumente: A, B, C Ausgabelisten der beiden Systeme: 7© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
8
Beispiel für diese Folien Übersicht zu den nachfolgenden Betrachtungsvarianten der Evaluierungsmaße 8© Karin Haenelt, Evaluierung von IR-Systemen: MTC 15.12.2013 prec@rPrecision auf Rang r SPsum precision APaverage precision
9
Inhalt Einführung des MTC-Verfahrens Vorbetrachtungen Abkürzungen und Beispiel für diese Folien Präzision und durchschnittliche Präzision Darstellung von Präzision und durchschnittlicher Präzision als Zufallsexperiment MTC-Verfahren, Spezifikation Erläuterung des Dokument-Selektionsalgorithmus Formeln für die Dokumentgewichte Berechnung des (Nicht-)Relevanzeffekts eines Dokuments Tracing des Selektionsalgorithmus für das Folienbeispiel Abbruchkriterium für den Algorithmus Konfidenz Evaluierungsergebnisse 9© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
10
Anforderungen an Information Retrieval- Evaluierungsmaße Ein gutes Evaluierungsmaß sollte folgende Systemeigenschaften hoch bewerten Das System setzt relevante Systeme auf die oberen Ränge (precision) Das System findet viele relevante Dokumente (recall) Die durchschnittliche Präzision (AP) erfasst sowohl precision als auch recall eines Systems 10© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
11
Evaluierungsmaß: Präzision auf Rang r 11© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 Ausgabeliste nach einem Beispiel von (Carterette,Kanoulas,Yilmaz, 2010)
12
Evaluierungsmaß: Durchschnittliche Präzision (average precision – AP) 12© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 Ausgabeliste nach einem Beispiel von (Carterette,Kanoulas,Yilmaz, 2010)
13
Inhalt Einführung des MTC-Verfahrens Vorbetrachtungen Abkürzungen und Beispiel für diese Folien Präzision und durchschnittliche Präzision Darstellung von Präzision und durchschnittlicher Präzision als Zufallsexperiment MTC-Verfahren, Spezifikation Erläuterung des Dokument-Selektionsalgorithmus Formeln für die Dokumentgewichte Berechnung des (Nicht-)Relevanzeffekts eines Dokuments Tracing des Selektionsalgorithmus für das Folienbeispiel Abbruchkriterium für den Algorithmus Konfidenz Evaluierungsergebnisse 13© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
14
Evaluierungsmaße: Präzision und durchschnittliche Präzision Darstellung als Zufallsexperimente Darstellung als Gleichungen über Bernoulli Experimente X i für die Relevanz von Dokument i x i Boolescher Indikator der Relevanz von Dokument i 14© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
15
Evaluierungsmaß: Präzision Darstellung als Zufallsexperiment Auswahl eines Ranges aus der Menge {1, …, t}, 1 ≤ r ≤ t Ausgabe der binären Dokumentrelevanz auf diesem Rang Formel und Beispiel 15© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 Ausgabeliste nach einem Beispiel von (Carterette,Kanoulas,Yilmaz, 2010)
16
Evaluierungsmaß: Durchschnittliche Präzision Darstellung als Zufallsexperiment 16© Karin Haenelt, Evaluierung von IR-Systemen: MTC 15.12.2013 multipliziert mit binäre Dokumentrelevanz auf Rang r precision auf dem Rang der relevanten Dokumente
17
Darstellungen der Evaluierungsmaße 17© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 Standard Zufallsexperiment
18
18© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 Beispiel zu
19
19© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 Precision auf Rang 1 Precision auf Rang 2Precision auf Rang 3
20
Evaluierungsmaß: Durchschnittliche Präzision Formel für beliebige Dokumentreihenfolge für eine Betrachtung der Dokumente in beliebiger Reihenfolge ist zu ersetzen durch den Koeffizienten a ij : 20© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 (Carterette, Allan, Sitamaran, 2006)
21
Beispiel Variante 1 21© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
22
Beispiel Variante 2 22© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
23
Inhalt Einführung des MTC-Verfahrens Vorbetrachtungen Abkürzungen und Beispiel für diese Folien Präzision und durchschnittliche Präzision Darstellung von Präzision und durchschnittlicher Präzision als Zufallsexperiment MTC-Verfahren, Spezifikation Erläuterung des Dokument-Selektionsalgorithmus Formeln für die Dokumentgewichte Berechnung des (Nicht-)Relevanzeffekts eines Dokuments Tracing des Selektionsalgorithmus für das Folienbeispiel Abbruchkriterium für den Algorithmus Konfidenz Evaluierungsergebnisse 23© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
24
Minimal Test Collection Verfahren (MTC) Ziele und Methode Ziel vergleichende Evaluierung zweier oder mehrerer Systeme Durchführung eines Minimums an Relevanzbewertungen Methode neue Sicht auf durchschnittliche Präzision (AP) ermöglicht Algorithmus zur Auswahl des nächsten zu bewertenden Dokuments: Dokument mit dem nächst größten Einfluss auf AP Abbruchkriterium für die Evaluierung Schätzung des Grades der Konfidenz auf der Basis einer Verteilung möglicher Dokumentbeurteilungen 24© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 (Carterette, Allan, Sitamaran, 2006)
25
Minimal Test Collection Verfahren (MTC) Grundstruktur des Dokumentselektionsalgorithmus Ableitung eines Dokumentgewichts aus einem algebraischen Ausdruck der Differenz zweier Systeme bezüglich des gewählten Evaluierungsmaßes 1) Ordnung der Dokumente nach Dokumentgewicht und Beurteilung des höchstgewichteten Dokuments Aktualisierung der Dokumentgewichte unter Berücksichtigung der Beurteilungen der beurteilten Dokumente Wiederholung bis zum Erreichen der Abbruchbedingung 1) Berechnung mit verschiedenen Maßen möglich: precision, recall, DCG, avarage precision 25© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 Carterette, Kanoulas, Yilmaz (2010:77/1)
26
Minimal Test Collection (MTC) Methode Differenz der durchschnittlichen Präzision zweier Systeme 26© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 (Carterette, Allan, Sitamaran, 2006) Die Differenz der durchschnittlichen Präzision zweier Systeme ist Die durchschnittliche Präzision eines Systems ist
27
Evaluierungsmaß: Durchschnittliche Präzision Zusammenwirken von Relevanzbeurteilungen Bei der Berechnung der durchschnittlichen Präzision wirken die Relevanzbeurteilungen zusammen wenn das Dokument auf Rang 1 relevant ist, erhöht sich der Beitrag jedes folgenden relevanten Dokuments wenn das Dokument auf Rang 1 nicht relevant ist, verringert sich der maximal mögliche Beitrag jedes folgenden relevanten Dokuments 27© Karin Haenelt, Evaluierung von IR-Systemen: MTC 15.12.2013
28
Evaluierungsmaß: Durchschnittliche Präzision Zusammenwirken von Relevanzbeurteilungen Sei SP (sum precision) = AP ∙ |R| Wenn Dokument A relevant ist, ist sein Gesamtbeitrag zu SP : 1 + 1/2 + 1/3 -- abhängig von der Relevanz der nachfolgenden Dokumente, da für AP nur die Werte auf den Rängen relevanter Dokumente gezählt werden Wenn Dokument A nicht relevant ist, kann SP nicht größer sein als |R| - 1 – 1/2 – 1/3 Beurteilungen als „nicht relevant“ sind also informativ für AP 28© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 Carterette, Kanoulas, Yilmaz (2010:93/1)
29
Einfluss einer positiven Dokumentbeurteilung auf die inkrementelle Berechnung von SP - Beispiel Angenommen, alle Dokumente gelten als nicht relevant wenn ein Dokument als relevant beurteilt wird, ergibt sich folgende Veränderung: 29© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 Beispiel nach (Carterette,Kanoulas,Yilmaz, 2010)
30
Einfluss einer negativen Dokumentbeurteilung auf die inkrementelle Berechnung von SP - Beispiel Angenommen, alle Dokumente gelten als relevant wenn ein Dokument als nicht relevant beurteilt wird, ergibt sich folgende Veränderung: 30© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 Beispiel nach (Carterette,Kanoulas,Yilmaz, 2010) Beurteilung von Dokument C hat den nächstgrößten Einfluss
31
Minimal Test Collection (MTC) Methode Dokument-Selektions-Algorithmus zum Nachweis von ΔSP 31© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 (Carterette, 2008:42)
32
Inhalt Einführung des MTC-Verfahrens Vorbetrachtungen Abkürzungen und Beispiel für diese Folien Präzision und durchschnittliche Präzision Darstellung von Präzision und durchschnittlicher Präzision als Zufallsexperiment MTC-Verfahren, Spezifikation Erläuterung des Dokument-Selektionsalgorithmus Formeln für die Dokumentgewichte Berechnung des (Nicht-)Relevanzeffekts eines Dokuments Tracing des Selektionsalgorithmus für das Folienbeispiel Abbruchkriterium für den Algorithmus Konfidenz Evaluierungsergebnisse 32© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
33
Minimal Test Collection (MTC) Methode Dokument-Selektions-Algorithmus zum Nachweis von ΔSP: Dokumentgewichte 33© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 Basis- Effekt Zusammenwirken mit beurteilten Dokumenten zusätzliche Basis für nonrel-Gewichte 1) 1) zusätzliche Basis für rel-Gewichte: unbeurteilte Dokumente sind nicht-relevant: x k =0 zusätzliche Basis für nonrel-Gewichte: unbeurteilte Dokumente sind relevant: x k =1 (Carterette, 2008:42) (Carterette,Kanoulas,Yilmaz, 2010)
34
Inhalt Einführung des MTC-Verfahrens Vorbetrachtungen Abkürzungen und Beispiel für diese Folien Präzision und durchschnittliche Präzision Darstellung von Präzision und durchschnittlicher Präzision als Zufallsexperiment MTC-Verfahren, Spezifikation Erläuterung des Dokument-Selektionsalgorithmus Formeln für die Dokumentgewichte Berechnung des (Nicht-)Relevanzeffekts eines Dokuments Tracing des Selektionsalgorithmus für das Folienbeispiel Abbruchkriterium für den Algorithmus Konfidenz Evaluierungsergebnisse 34© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
35
Minimal Test Collection (MTC) Dokumentgewichte Start Detail w A R, w B R, w C R 35© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
36
Minimal Test Collection (MTC) Dokumentgewichte Start Detail w A N 36© Karin Haenelt, Evaluierung von IR-Systemen: MTC 15.12.2013 (max {rank(A),rank(C)}in System s 1 ) = 3(max {rank(A),rank(C)}in System s 2 ) = 2 Annahme, alle nicht-betrachteten Dokumente seien relevant Bewertung von A als nicht-relevant führt zur gezeigten Verminderung der maximal erreichbaren SP
37
Inhalt Einführung des MTC-Verfahrens Vorbetrachtungen Abkürzungen und Beispiel für diese Folien Präzision und durchschnittliche Präzision Darstellung von Präzision und durchschnittlicher Präzision als Zufallsexperiment MTC-Verfahren, Spezifikation Erläuterung des Dokument-Selektionsalgorithmus Formeln für die Dokumentgewichte Berechnung des (Nicht-)Relevanzeffekts eines Dokuments Tracing des Selektionsalgorithmus für das Folienbeispiel Abbruchkriterium für den Algorithmus Konfidenz Evaluierungsergebnisse 37© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
38
Minimal Test Collection (MTC) Selektionsalgorithmus Start 38© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
39
Minimal Test Collection (MTC) Selektionsalgorithmus Start 39© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
40
Minimal Test Collection (MTC) Selektionsalgorithmus Start 40© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
41
Minimal Test Collection (MTC) Selektionsalgorithmus 1.Iteration 41© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 - C als relevant beurteilt: x 3 = 1 - neue Dokumentgewichte für die übrigen Dokumente:
42
Minimal Test Collection (MTC) Selektionsalgorithmus 1.Iteration 42© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 - C als relevant beurteilt: x 3 = 1 - neue Dokumentgewichte für die übrigen Dokumente: wNwN
43
Minimal Test Collection (MTC) Selektionsalgorithmus 1. Iteration 43© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
44
Minimal Test Collection (MTC) Selektionsalgorithmus 2.Iteration 44© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 -C als relevant beurteilt: x 3 = 1 - A als nicht-relevant beurteilt: x 1 = 0 - neue Dokumentgewichte für die übrigen Dokumente:
45
Inhalt Einführung des MTC-Verfahrens Vorbetrachtungen Abkürzungen und Beispiel für diese Folien Präzision und durchschnittliche Präzision Darstellung von Präzision und durchschnittlicher Präzision als Zufallsexperiment MTC-Verfahren, Spezifikation Erläuterung des Dokument-Selektionsalgorithmus Formeln für die Dokumentgewichte Berechnung des (Nicht-)Relevanzeffekts eines Dokuments Tracing des Selektionsalgorithmus für das Folienbeispiel Abbruchkriterium für den Algorithmus Konfidenz Evaluierungsergebnisse 45© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
46
Minimal Test Collection (MTC) Methode Abbruchkriterium für die Berechnung Abbruch: wenn feststeht, ob AP 1 > AP 2 oder umgekehrt ein Dokument, das die Hypothese Δ AP > 0 unterstützt ist relevant und hat ein „positives Gewicht“ (d.h. es hat einen höheren Rang in System 1) ein Dokument, das die Hypothese Δ AP < 0 unterstützt hat ein „negatives Gewicht“ 46© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 (Carterette, Allan, Sitamaran, 2006)
47
Minimal Test Collection (MTC) Methode Abbruchkriterium für die Berechnung wenn die Summe der Gewichte der relevanten Dokumente größer ist als das mögliche Maximum der Summe der Gewichte der „negativen“ Dokumente, können wir folgern: Δ AP > 0 Sei S die Menge der beurteilten relevanten Dokumente T die Menge der unbeurteilten Dokumente, dann ist ein hinreichendes Abbruchkriterium 47© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 LHS: Δ AP berechnet über beurteilte relevante Dokumente RHS: obere Grenze des Betrages, um den Δ AP vermindert würde, wenn unbeurteilte Dokumente als relevant beurteilt würden (Carterette, Allan, Sitamaran, 2006)
48
Minimal Test Collection (MTC) Methode Abbruchkriterium für die Berechnung 48© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 Carterette,Kanoulas,Yilmaz, 2010: S. 98a)
49
Minimal Test Collection (MTC) Methode Abbruchkriterium für die Berechnung 49© Karin Haenelt, Evaluierung von IR-Systemen: MTC 15.12.2013 Carterette,Kanoulas,Yilmaz, 2010: S. 98b)
50
Minimal Test Collection (MTC) Methode Abbruchkriterium für die Berechnung 50© Karin Haenelt, Evaluierung von IR-Systemen: MTC 15.12.2013 Carterette,Kanoulas,Yilmaz, 2010: S. 99a Dokument- Selektions- Algorithmus zum Nachweis von ΔSP
51
Minimal Test Collection (MTC) Methode Ein optimaler Algorithmus Wir wollen jeweils das Dokument finden, das auf einer der beiden Seiten (LHS bzw. RHS) den größten Einfluss hat: jedes Dokument erhält ein das nächste zu beurteilende Dokument, ist das Dokument, das max {p i w i R,(1 - p i )w i N }, p i = P(x i = 1) maximiert 51© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 (Carterette, Allan, Sitamaran, 2006)
52
Minimal Test Collection (MTC) Methode Ein optimaler Algorithmus Stand bevor ein Dokument beurteilt wurde LHS = 0 RHS Summe aller negativen Koeffizienten Optimierungsziel Erhöhung der LHS durch Auffinden relevanter Dokumente Erniedrigung der RHS durch Auffinden nicht-relevanter Dokumente 52© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
53
Inhalt Einführung des MTC-Verfahrens Vorbetrachtungen Abkürzungen und Beispiel für diese Folien Präzision und durchschnittliche Präzision Darstellung von Präzision und durchschnittlicher Präzision als Zufallsexperiment MTC-Verfahren, Spezifikation Erläuterung des Dokument-Selektionsalgorithmus Formeln für die Dokumentgewichte Berechnung des (Nicht-)Relevanzeffekts eines Dokuments Tracing des Selektionsalgorithmus für das Folienbeispiel Abbruchkriterium für den Algorithmus Konfidenz Evaluierungsergebnisse 53© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
54
Minimal Test Collection (MTC) Methode Konfidenz Betrachtung der Differenz der durchschnittlichen Präzision Δ AP zwischen zwei Systemen s 1 und s 2 AP ist über alle möglichen Relevanzzuordnungen zu allen unbeurteilten Dokumente normalverteilt Ebenso ist Δ AP normalverteilt Normalverteilung ermöglicht Angabe einer Konfidenz für das beim jeweiligen Fortschritt der Beurteilung erreichte Ergebnis 54© Karin Haenelt, Evaluierung von IR-Systemen: MTC 14.12.2014 (Carterette, Allan, Sitamaran, 2006)
55
Minimal Test Collection (MTC) Methode Durchschnittspräzision ist über alle möglichen Relevanzzuordnungen zu allen unbeurteilten Dokumente normalverteilt Testbeispiel: 2 Ranglisten mit je 100 Dokumenten erzeugt p i = P(x i = 1) auf.5 gesetzt zufällig 5000 Mengen von Relevanzbeurteilungen erzeugt Δ AP für jede Menge von Relevanz- beurteilungen für die beiden Ranglisten berechnet 55© Karin Haenelt, Evaluierung von IR-Systemen: MTC 14.12.2014 (Carterette, Allan, Sitamaran, 2006)
56
Minimal Test Collection (MTC) Methode Konfidenz 75% Konfidenz, dass System A besser ist als System B bedeutet: die Wahrscheinlichkeit, dass die Bewertung der relativen Qualität der verglichenen Systeme sich ändert, wenn weitere Dokumente in die Beurteilung einbezogen werden, beträgt maximal 25%. Berechnung der Konfidenz beruht auf einer Annahme der Wahrscheinlichkeit der Relevanz unbeurteilter Dokumente: jedes unbeurteilte Dokument ist mit gleicher Wahrscheinlichkeit relevant oder nicht relevant 56© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 (Carterette, 2007)
57
Minimal Test Collection (MTC) Methode Kumulative Dichtefunktion zum Auffinden von Gegeben eine Menge von Relevanzbeurteilungen Verwendung der normalen kumulativen Dichtefunktion zum Auffinden von Bei ergeben mindestens 95% der möglichen Relevanzzuordnungen 95 % Konfidenz für die Folgerung (Signifikanzniveau α = 0.05) Neue Abbruchbedingung Annahme: p i = 0.5 für unbeurteilte Dokumente 57© Karin Haenelt, Evaluierung von IR-Systemen: MTC 14.12.2014 (Carterette, Allan, Sitamaran, 2006)
58
Inhalt Einführung des MTC-Verfahrens Vorbetrachtungen Abkürzungen und Beispiel für diese Folien Präzision und durchschnittliche Präzision Darstellung von Präzision und durchschnittlicher Präzision als Zufallsexperiment MTC-Verfahren, Spezifikation Erläuterung des Dokument-Selektionsalgorithmus Formeln für die Dokumentgewichte Berechnung des (Nicht-)Relevanzeffekts eines Dokuments Tracing des Selektionsalgorithmus für das Folienbeispiel Abbruchkriterium für den Algorithmus Konfidenz Evaluierungsergebnisse 58© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
59
Minimal Test Collection (MTC) Methode Testsysteme 59© Karin Haenelt, Evaluierung von IR-Systemen: MTC 14.12.2014 (Carterette, Allan, Sitamaran, 2006) http://www.lemurproject.org/indri http://www.lemurproject.org http://lucene.apache.org http://www.cs.mu.oz.au/mg ftp://ftp.cs.cornell.edu/pub/smart http://www.seg.rmit.edu.au/zettair
60
Minimal Test Collection (MTC) Methode Ergebnisse 60© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 (Carterette, Allan, Sitamaran, 2006)
61
Minimal Test Collection (MTC) Methode Ergebnisse 61© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 (Carterette, Allan, Sitamaran, 2006)
62
Minimal Test Collection (MTC) Methode Ergebnisse TREC 2007 Vergleich der Ergebnisse TREC-Standardmethode über Terabyte-Corpus MTC über MillionQueries-Corpus statMap über MillionQueries-Corpus Übereinstimmung in der relativen Ordnung der Systeme statMap vermutlich bessere Schätzung der mean average precision (MAP) MTC vermutlich ein korrektes Ranking der Systeme MTC bessere Konfidenz 62© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011 (Allan, Carterette, Aslam, Pavlu, Dachev, Kanoulas, 2007)
63
Literatur James Allan, Ben Carterette, Javed A. Aslam, Virgil Pavlu, Blagovest Dachev, Evangelos Kanoulas (2007). Million Query Track 2007 Overview. Proceedings of TREC 2007. http://maroo.cs.umass.edu/pub/web/getpdf.php?id=800 http://maroo.cs.umass.edu/pub/web/getpdf.php?id=800 Ben Carterette (2008). Low-Cost and Robust Evaluation of Information Retrieval Systems. PhD thesis, University of Massachusetts Amherst Ben Carterette (2007). Robust Test Collections for Retrieval Evaluation. IN: Proceedings of SIGIR’07, July 23–27, 2007 Ben Carterette, Evangelos Kanoulas, Emine Yilmaz (2010). Low-Cost Evaluation in information Retrieval. Tutorial of the 33 rd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. http://ir.cis.udel.edu/SIGIR10tutorial/slides.pdf http://ir.cis.udel.edu/SIGIR10tutorial/slides.pdf Ben Carterette, James Allan, and Ramesh K. Sitaraman. Minimal test collections for retrieval evaluation. In: Proceedings of SIGIR’06, pages 268-275, 2006. http://ir.cis.udel.edu/~carteret/papers/sigir06.pdf http://ir.cis.udel.edu/~carteret/papers/sigir06.pdf Eliah Ninyo, Keren Kenzi (o.J.). Minimal Test Collections for Retrieval Evaluation. B. Carterette et al. http://cs.haifa.ac.il/courses/infor/students/Minimal Test Collections for Retrieval Evaluation-Eli+Keren.ppthttp://cs.haifa.ac.il/courses/infor/students/Minimal Test Collections for Retrieval Evaluation-Eli+Keren.ppt 63© Karin Haenelt, Evaluierung von IR-Systemen: MTC 5.12.2011
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.