Wyszukiwanie boolowskie i strukturalne. Adam Srebniak

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wyszukiwanie boolowskie i strukturalne. Adam Srebniak"

Transkrypt

1 Wyszukiwanie boolowskie i strukturalne Adam Srebniak

2 Wyszukiwanie boolowskie W wyszukiwaniu boolowskim zapytanie traktowane jest jako zdanie logiczne. Zwracane są dokumenty, dla których to zdanie jest prawdziwe.

3 Wyszukiwanie boolowskie Opiera się ono na zdefiniowanej przez brytyjskiego matematyka George a Bool a logice, która posiada następujące własności Zmienne mogą przyjmować tylko dwie wartości: 0 lub 1 Występują trzy podstawowe operatory: And, Or, Not

4 Operator AND Zwraca strony zawierające oba wyrażenia połączone operatorem AND Użycie operatora AND zawęża wyszukiwanie, gdyż zwiększa ilość wyrażeń niezbędnych, aby dokument spełniał kryteria wyszukiwania Im więcej wprowadzimy słów połączonych operatorem AND tym mniej otrzymamy dokumentów

5 Operator AND - Przykład Przykładowe zapytanie: domy AND mieszkania Koło o etykiecie domy reprezentuje wszystkie dokumenty zawierające słowo domy Koło o etykiecie mieszkania reprezentuje wszystkie dokumenty zawierające słowo mieszkania Obszar zamalowany na żółto reprezentuje dokumenty będące odpowiedzią na zapytanie

6 Operator OR Zwraca strony zawierające przynajmniej jedno z podanych wyrażeń Użycie operatora OR rozszerza wyszukiwanie Im więcej wprowadzimy słów połączonych operatorem OR tym więcej otrzymamy dokumentów.

7 Operator OR - Przykład Przykładowe zapytanie: domy OR mieszkania Koło o etykiecie domy reprezentuje wszystkie dokumenty zawierające słowo domy Koło o etykiecie mieszkania reprezentuje wszystkie dokumenty zawierające słowo mieszkania Obszar zamalowany na żółto reprezentuje dokumenty będące odpowiedzią na zapytanie

8 Operator NOT Zwraca strony nie zawierające danego wyrażenia Zwykle stosuje się AND NOT. Użycie AND NOT zawęża wyszukiwanie Użycie AND NOT powinno być ostrożne, gdyż usuwa on stronę zawierającą dane słowo, choć może się okazać, iż te strony zawierają jednak wartościowe dla nas informacje.

9 Operator NOT - Przykład Przykładowe zapytanie: domy AND NOT mieszkania Koło o etykiecie domy reprezentuje wszystkie dokumenty zawierające słowo domy Koło o etykiecie mieszkania reprezentuje wszystkie dokumenty zawierające słowo mieszkania Obszar zamalowany na żółto reprezentuje dokumenty będące odpowiedzią na zapytanie

10 Dodatkowe operatory Nawiasy (,) - umożliwiają tworzenie bardziej złożonych wyrażeń. Najpierw wykonywane są operacje w nawiasach. Użycie nawiasów zmienia kolejność wykonywania operacji

11 Dodatkowe operatory- c.d. Koło o etykiecie domy reprezentuje wszystkie dokumenty zawierające słowo domy Koło o etykiecie mieszkania reprezentuje wszystkie dokumenty zawierające słowo mieszkania Koło o etykiecie balkon reprezentuje wszystkie dokumenty zawierające słowo balkon Obszar zamalowany na żółto reprezentuje dokumenty będące odpowiedzią na zapytanie

12 Dodatkowe operatory c.d. W części wyszukiwarek dostępny jest również operator NEAR, który zwraca strony zawierające oba słowa blisko siebie, tzn. w określonej odległości od siebie Operator NEAR jest podobny do operatora AND, gdyż zwraca strony zawierające oba słowa, z tym że dodatkowo słowa te muszą znajdować się wystarczająco blisko siebie

13 Wady wyszukiwania boolowskiego Główną wadą wyszukiwania boolowskiego jest słaba możliwość posortowania wyników, co związane jest z możliwością jedynie dyskretnego pomiaru zbieżności dokumentu z zapytaniem.

14 Klasteryzacja Search Results Clustering (SRC) Wyszukiwarki często zwracają jako rezultat znaczną ilość dokumentów W celu usystematyzowania, powiązania ich w grupy tematyczne, a także w celu zwięzłej prezentacji stosuje się SRC Istnieje wiele algorytmów służących do grupowania wyników m.in. :STC

15 Google

16 Vivisimo

17 Wyszukiwanie oparte na słowach kluczowych Rezultatem są dokumenty zawierające określone słowa kluczowe Głównymi problemami są zwykle duża ilość otrzymanych stron, a także ich jakość

18 Wyszukiwanie strukturalne

19 Wyszukiwanie strukturalne Sieć Internet zawiera ogromną ilość hiperlinków, które łączą jedne strony z innymi, a struktura grafowa stworzona przez te hiperlinki jest źródłem znaczącej ilości informacji. Wyszukiwanie strukturalne jest procesem przeszukiwania sieci w poszukiwaniu specyficznej struktury hiperłączy i połączone z tekstową analizą zawartości strony.

20 Wyszukiwanie strukturalne c.d. Struktura hiperlinków reprezentuje związki między stronami źródłowymi i docelowymi. Takie powiązania mogą zawierać hierarchiczne relacje między stroną rodzicielską a stroną potomną zawierającą bardziej szczegółowe informacje połączenia między poprzednią, obecną i następną stroną

21 Wyszukiwanie strukturalne Podstawowe typy odsyłaczy: Semantyczne wiążące dokumenty o pokrewnej tematyce Organizacyjne (nawigacyjne) mające na celu ulepszenie nawigacji

22 Wyszukiwanie strukturalne Połączone ze sobą za pomocą hiperlinków dokumenty w sieci tworzą graf skierowany. W grafie tym węzłami są dokumenty, zaś krawędziami odnośniki wiążące te dokumenty. Krawędzie tego grafu są skierowane od dokumentów cytujących do dokumentów cytowanych, zgodnie z występowaniem hiperlinków.

23 Wyszukiwanie strukturalne Ranking otrzymanych odpowiedzi zależy od: Relewantności do zapytania Jakości otrzymanych stron

24 Podejście pierwsze im większa liczba wskazań na daną stronę, tym większa jakość strony. W tym podejściu każde hiperłącze jest tak samo ważne. Nie ma znaczenia jakość strony, na której się ono znajduje. Jakość strony oblicza się poprzez zsumowanie liczby wszystkich hiperłączy kierujących do tej strony. Zalety: Łatwość obliczenia jakości strony Wady: Łatwość manipulacji Słabe rezultaty

25 Ze względu na występujące w tym podejściu znaczące wady zmodyfikowano to podejście Podejście drugie przy ocenie jakości strony brana jest pod uwagę jakość hiperlinków kierujących na nią. Jakość hiperlinków zależy od jakości stron, na których są one umieszczone. Im wyższa jakość strony, tym wyższa jakość hiperlinku znajdującego się na niej Takie podejście utrudnia manipulację i daje lepsze rezultaty, natomiast komplikuje sposób obliczania jakości strony

26 Algorytm HITS Autorytet - strona, do której kierowanych jest wiele linków z innych stron Hub - strona, która zawiera linki do wielu innych stron, które są uznawane jako autorytety w danej dziedzinie tematycznej Dobry autorytet jest wskazywany przez wiele dobrych hubów, zaś dobry hub wskazuje na wiele dobrych autorytetów

27 Algorytm HITS Bada powiązania między stronami Znajduje węzły i autorytety dla konkretnych słów kluczowych Tworzy podgraf sieci powiązań Każdy autorytet i hub otrzymują określoną wagę.

28 Algorytm HITS Wyślij zapytanie do opartego na tekście systemu i uzyskaj zbiór źródłowy Rozszerz zbiór źródłowy o jeden promień aby uzyskać rozszerzony graf Uruchom iteracje dla hubów i autorytetów. Zgłoś najwyżej ocenione autorytety i huby Rezultatem działania algorytmu jest lista węzłów i autorytetów z największymi współczynnikami poprawności.

29 HITS - Problemy Automatycznie generowane linki Nierelewantne wysoko powiązane strony

30 HITS - Podsumowanie Algorytm HITS nie może obliczać wagi hubów i autorytetów, dopóki nie są one zależne od zapytania, co niesie ze sobą konsekwencje: Bardziej logiczne jest ograniczenie się do podgrafu sieci relewantnego do zapytania Czas odpowiedzi na zapytanie może być zły

31 System CLEVER, w którym zastosowano algorytm HITS skanuje najbardziej autorytatywne strony związane z danym tematem używając hiperlinków. Wyszukiwarka Google jest kolejną wyszukiwarką, która wykorzystuje strukturę hiperlinków. Strona jest oceniana poprzez zsumowanie punktów innych dokumentów wskazujących na daną stronę.

32 PageRank Metoda nadawania stronom internetowym wartości liczbowych określających ich jakość Przy obliczaniu PageRanku stosuje się zasadę iż, jeśli na dany tekst powołuje się dokument, który sam ma wysoką ocenę, ma to większe znaczenie niż gdy na ten sam tekst powołuje się mało popularna strona

33 HITS vs PageRank Podstawowe różnice między HITS i PageRank: PageRank jest obliczany dla wszystkich zaindeksowanych stron WWW przed zapytaniem HITS jest obliczany dla zbioru wyszukanych stron WWW dla każdego zapytania PageRank oblicza tylko autorytety HITS oblicza autorytety i huby PageRank nie jest prosty do obliczenia HITS jest łatwy do obliczenia, ale wykonywanie w czasie rzeczywistym jest trudne

34 Websubdue Wyszukiwanie oparte na słowach kluczowych często nie dostarcza satysfakcjonujących rezultatów. W związku z tym rozpoczęto badania mające na celu polepszenie wyników wyszukiwania Możliwość traktowania sieci jako grafu skłoniła naukowców do badań nad powiązaniem wyszukiwania opartego na słowach kluczowych z wykorzystaniem struktury hiperlinków

35 Websubdue Websubdue jest narzędziem, które wydobywa strony odpowiednie do struktur uformowanych przez zapytania użytkownika oparte na grafach. WebSubdue powstał w 2001 na Uniwersytecie Teksas w Arlington Zapytania są reprezentowane w postaci grafów Wykorzystuje on system odkrywania wiedzy Subdue

36 Websubdue przygotowanie danych Dane wejściowe dla WebSubdue są przekształcane w postać grafową Zbiór danych jest przygotowywany z wykorzystaniem robota sieciowego Robot podąża tylko linkami do stron znajdujących się na określonych serwerach

37 Subdue Subdue jest narzędziem wydobywania danych, które odkrywa powtarzające się wzorce w danych strukturalnych Subdue odkrywa wystąpienia zdefiniowanej struktury w grafie Websubdue zgłasza wierzchołki, krawędzie i odpowiadające adresy URL dla każdego odkrytego wystąpienia.

38 Websubdue niedokładne dopasowanie Algorytm ten zezwala na występowanie różnic pomiędzy zdefiniowaną podstrukturą a wyszukaną podstrukturą Dwa grafy pasują do siebie jeżeli liczba transformacji potrzebna do przekształcenia jednego grafu w drugi nie jest większa niż ustalony przez użytkownika próg pomnożony przez wielkość większego grafu

39 Websubdue niedokładne dopasowanie Dozwolone transformacje to: dodanie lub usunięcie krawędzi, wierzchołka, zmiana etykiety i zmiana kierunku krawędzi Algorytm niedokładnego pasowania grafów może być wykorzystywany do znajdowania stron, które odpowiadają zapytaniu użytkownika z pewnym przybliżeniem. Jeżeli użytkownik ustali próg wartości 0, wówczas grafy muszą do siebie dokładnie pasować.

40 Niedokładne dopasowanie - przykład Problem: Szukamy hubów (tutaj stron, które wskazują na co najmniej 3 autorytety) i autorytetów (tutaj stron, które są wskazywane przez co najmniej 3 autorytety) stron, które skupiają się na algorytmach. W przypadku gdy ustalimy wartość progową równą 0, to otrzymamy jedną odpowiedź. Zaś w przypadku gdy wartość progowa wyniesie 0.2, to otrzymamy 13 odpowiedzi.

41 Wordnet Wordnet jest bazą danych, która stara się organizować informacje według ich znaczenia a nie formy Websubdue wykorzystuje WordNet do zwiększenia wydajności wyszukiwania. Przykład: szukając stron zawierających słowo samochód pominiemy znaczną ilość stron, zawierających słowo auto, które to strony mogą zawierać istotne dla nas informacje. Dlatego wykorzystanie Wordnet umożliwia wyszukiwanie stron zawierających nie tylko dane słowo, ale również inne słowa będące z nim związane.

42 WordNet - przykład Problem: Znaleźć strony o pracy w informatyce. Websubdue, wykorzystując Wordnet uwzględnia również następujące słowa: zatrudnienie, praca, problem, zadanie.

43 Structural Web Search Engine SWSE wykorzystuje wyszukiwanie strukturalne Nie wymaga wydobywania danych Nie wymaga przygotowywania danych Korzysta z faktu, iż sieć została już przejrzana wiarygodnym szperaczem sieciowym (Google). Wydobywa tylko strony, które mają już słowa kluczowe interesujące użytkownika Wyszukuje strukturę hiperlinków podaną przez użytkownika między stronami, które wydobywa

44 SWSE Przyjazny użytkownikowi interface pozwala użytkownikowi w łatwy sposób rysować i edytować zapytanie w formie graficznej Strony nie muszą być specyficzną domeną

45 SWSE SWSE wykorzystuje podejście klient-serwer. Aplikacja jest napisana w języku Java. Zapytanie sformułowane przez użytkownika w formie grafowej jest przesyłane do serwera w postaci obiektu. Serwer oczekuje na zapytanie od użytkownika. Kiedy serwer otrzyma zapytanie, to dla każdego węzła, na podstawie słów kluczowych występujących w tym węźle tworzy zapytanie tekstowe, które jest następnie przesyłane do engine u wyszukującego. Następnie serwer otrzymuje wyszukane przez engine oparty na słowach kluczowych (np.. Google) strony. Następuje analiza otrzymanych stron i wydobycie wszystkich trafień. Kolejnym krokiem jest znalezienie tych URLi wyznaczonych dla każdego węzła, które odpowiadają strukturze ustalonej w zapytaniu.

46 SWSE Prezentacja zapytań Zapytanie musi być przedstawione jako graf, w którym węzły odpowiadają stronom, a krawędzie linkom między nimi SWSE zapewnia przyjazne środowisko graficzne, które umożliwia użytkownikowi stworzenie struktury grafowej, a także określenie słów kluczowych dla każdej strony poprzez możliwość ich umieszczenia w węzłach Wyklucza się istnienie krawędzi łączących węzeł z samym sobą. Powoduje to zmniejszenie złożoności algorytmu poprzez eliminację linków nawigacyjnych

47 SWSE Wydobywanie trafień słów kluczowych Słowa kluczowe znajdujące się w węzłach zapytania są automatycznie wysyłane na oparty na tekście engine Google poprzez odpowiedni ciąg zapytań, a wynikowa strona jest poddawana analizie syntaktycznej w celu wydobycia stron zawierających słowa kluczowe

48 SWSE Ranking wyników W obecnej wersji aplikacji wszystkie wyniki są traktowane tak samo, co znaczy że nie istnieje ranking wyników Jednym z powodów jest to, iż strony zwrócone przez Google zawierają słowa kluczowe, a struktura odpowiada strukturze zapytania

49 SWSE Ranking wyników W przypadku gdy stosujemy algorytm niedokładnego dopasowania grafów, stopień podobieństwa obliczony poprzez zsumowanie liczby przekształceń, którym musi być poddany graf, aby otrzymać graf odpowiadający grafowi zapytania, może być używany do stworzenia rankingu wyników. Im niższa liczba potrzebnych przekształceń, tym wyższa pozycja w rankingu W przypadku wykorzystywania WordNet, ranking wyników może być oparty na kryterium podobieństwa do słów kluczowych

50 SWSE przykład 1 Szukamy kampusów UT i informacji o gościach i bibliotece w UTA(UT Arlington). SWSE zwraca dwa trafienia na to zapytanie. Natomiast Google dla zapytania UT UTA campuses visitors library nie zwraca żadnej strony.

51 SWSE przykład 2 Szukamy kampusów UT i informacji dla przyszłych studentów na trzech uniwersytetach. SWSE zwraca jedno trafienia na to zapytanie. Natomiast Google dla zapytania UT campuses Austin Arlington Dallas Prospective students nie zwraca żadnej strony.

PageRank i HITS. Mikołajczyk Grzegorz

PageRank i HITS. Mikołajczyk Grzegorz PageRank i HITS Mikołajczyk Grzegorz PageRank Metoda nadawania indeksowanym stronom internetowym określonej wartości liczbowej, oznaczającej jej jakość. Algorytm PageRank jest wykorzystywany przez popularną

Bardziej szczegółowo

Wyszukiwanie strukturalne

Wyszukiwanie strukturalne Wyszukiwanie strukturalne Wprowadzenie Wyszukiwanie indeksowe (Wyszukiwanie strukturalne)- podejście tradycyjne Każdy dokument jest opatrzony w opis strukturalny dokumentu (właściwości indeksu / właściwości

Bardziej szczegółowo

Interaktywne wyszukiwanie informacji w repozytoriach danych tekstowych

Interaktywne wyszukiwanie informacji w repozytoriach danych tekstowych Interaktywne wyszukiwanie informacji w repozytoriach danych tekstowych Marcin Deptuła Julian Szymański, Henryk Krawczyk Politechnika Gdańska Wydział Elektroniki, Telekomunikacji i Informatyki Katedra Architektury

Bardziej szczegółowo

Wyszukiwanie informacji w internecie. Nguyen Hung Son

Wyszukiwanie informacji w internecie. Nguyen Hung Son Wyszukiwanie informacji w internecie Nguyen Hung Son Jak znaleźć informację w internecie? Wyszukiwarki internetowe: Potężne machiny wykorzystujące najnowsze metody z różnych dziedzin Architektura: trzy

Bardziej szczegółowo

XQTav - reprezentacja diagramów przepływu prac w formacie SCUFL przy pomocy XQuery

XQTav - reprezentacja diagramów przepływu prac w formacie SCUFL przy pomocy XQuery http://xqtav.sourceforge.net XQTav - reprezentacja diagramów przepływu prac w formacie SCUFL przy pomocy XQuery dr hab. Jerzy Tyszkiewicz dr Andrzej Kierzek mgr Jacek Sroka Grzegorz Kaczor praca mgr pod

Bardziej szczegółowo

baton OR mars 282,000,000 241,000,000 baton OR mars 283,000,000 WYSZUKIWANIE BOOLOWSKIE

baton OR mars 282,000,000 241,000,000 baton OR mars 283,000,000 WYSZUKIWANIE BOOLOWSKIE WYSZUKIWANIE BOOLOWSKIE Wyszukiwanie boolowskie jest rozszerzeniem wyszukiwania prostego (opartego o słowa kluczowe) o operatory logiczne: AND, OR, NOT oraz ich kombinację. Większośd modeli wyszukiwania

Bardziej szczegółowo

OPTYMALIZACJA SERWISÓW INTERNETOWYCH >>>WIĘCEJ<<<

OPTYMALIZACJA SERWISÓW INTERNETOWYCH >>>WIĘCEJ<<< INTERNETOWYCH. Wszystko O Pozycjonowaniu I Marketingu. >>>POZYCJONOWANIE STRON BYDGOSZCZ OPTYMALIZACJA SERWISÓW INTERNETOWYCH >>>WIĘCEJ

Bardziej szczegółowo

Indukowane Reguły Decyzyjne I. Wykład 3

Indukowane Reguły Decyzyjne I. Wykład 3 Indukowane Reguły Decyzyjne I Wykład 3 IRD Wykład 3 Plan Powtórka Grafy Drzewa klasyfikacyjne Testy wstęp Klasyfikacja obiektów z wykorzystaniem drzewa Reguły decyzyjne generowane przez drzewo 2 Powtórzenie

Bardziej szczegółowo

Sieci komputerowe. Wykład 8: Wyszukiwarki internetowe. Marcin Bieńkowski. Instytut Informatyki Uniwersytet Wrocławski

Sieci komputerowe. Wykład 8: Wyszukiwarki internetowe. Marcin Bieńkowski. Instytut Informatyki Uniwersytet Wrocławski Sieci komputerowe Wykład 8: Wyszukiwarki internetowe Marcin Bieńkowski Instytut Informatyki Uniwersytet Wrocławski Sieci komputerowe (II UWr) Wykład 8 1 / 37 czyli jak znaleźć igłę w sieci Sieci komputerowe

Bardziej szczegółowo

Tomasz Boiński: 1. Pozycjonowanie stron i zastosowanie mod_rewrite

Tomasz Boiński: 1. Pozycjonowanie stron i zastosowanie mod_rewrite Tomasz Boiński: 1 Pozycjonowanie stron i zastosowanie mod_rewrite Pozycjonowanie stron Promocja strony odbywa się poprzez umiejscowienie jej jak najwyżej w wynikach wyszukiwania Wyszukiwarki indeksują

Bardziej szczegółowo

SPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD

SPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD Dr inż. Jacek WARCHULSKI Dr inż. Marcin WARCHULSKI Mgr inż. Witold BUŻANTOWICZ Wojskowa Akademia Techniczna SPOSOBY POMIARU KĄTÓW W PROGRAMIE AutoCAD Streszczenie: W referacie przedstawiono możliwości

Bardziej szczegółowo

Teoria grafów dla małolatów. Andrzej Przemysław Urbański Instytut Informatyki Politechnika Poznańska

Teoria grafów dla małolatów. Andrzej Przemysław Urbański Instytut Informatyki Politechnika Poznańska Teoria grafów dla małolatów Andrzej Przemysław Urbański Instytut Informatyki Politechnika Poznańska Wstęp Matematyka to wiele różnych dyscyplin Bowiem świat jest bardzo skomplikowany wymaga rozważenia

Bardziej szczegółowo

Lingwistyczny system definicyjny wykorzystujący korpusy tekstów oraz zasoby internetowe.

Lingwistyczny system definicyjny wykorzystujący korpusy tekstów oraz zasoby internetowe. Lingwistyczny system definicyjny wykorzystujący korpusy tekstów oraz zasoby internetowe. Autor: Mariusz Sasko Promotor: dr Adrian Horzyk Plan prezentacji 1. Wstęp 2. Cele pracy 3. Rozwiązanie 3.1. Robot

Bardziej szczegółowo

METODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI

METODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI METODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI CELE PROJEKTU Transformacja dowolnej bazy danych w min. 3 postaci normalnej do postaci Asocjacyjnej Grafowej

Bardziej szczegółowo

Drzewa. Jeżeli graf G jest lasem, który ma n wierzchołków i k składowych, to G ma n k krawędzi. Własności drzew

Drzewa. Jeżeli graf G jest lasem, który ma n wierzchołków i k składowych, to G ma n k krawędzi. Własności drzew Drzewa Las - graf, który nie zawiera cykli Drzewo - las spójny Jeżeli graf G jest lasem, który ma n wierzchołków i k składowych, to G ma n k krawędzi. Własności drzew Niech T graf o n wierzchołkach będący

Bardziej szczegółowo

Data Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu

Data Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu Data Mining Wykład 9 Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster Plan wykładu Wprowadzanie Definicja problemu Klasyfikacja metod grupowania Grupowanie hierarchiczne Sformułowanie problemu

Bardziej szczegółowo

Ranking wyników na bazie linków

Ranking wyników na bazie linków Eksploracja zasobów internetowych Wykład 4 Ranking wyników na bazie linków mgr inż. Maciej Kopczyński Białystok 2014 Wstęp Poznane do tej pory mechanizmy sortowania istotności zwróconych wyników bazowały

Bardziej szczegółowo

Matematyka dyskretna - 7.Drzewa

Matematyka dyskretna - 7.Drzewa Matematyka dyskretna - 7.Drzewa W tym rozdziale zajmiemy się drzewami: specjalnym przypadkiem grafów. Są one szczególnie przydatne do przechowywania informacji, umożliwiającego szybki dostęp do nich. Definicja

Bardziej szczegółowo

WPROWADZENIE WYSZUKIWANIE OGŁOSZEŃ

WPROWADZENIE WYSZUKIWANIE OGŁOSZEŃ WPROWADZENIE 1. Cel dokumentu Celem dokumentu jest: Zapoznanie internauty z funkcjonalnością realizowaną przez Bazę Konkurencyjności. Dostarczenie szczegółowych informacji na temat podstron, które znajdują

Bardziej szczegółowo

*Grafomania z. Neo4j. Praktyczne wprowadzenie do grafowej bazy danych.

*Grafomania z. Neo4j. Praktyczne wprowadzenie do grafowej bazy danych. *Grafomania z Neo4j Praktyczne wprowadzenie do grafowej bazy danych. Jak zamodelować relacyjną bazę danych reprezentującą następujący fragment rzeczywistości: Serwis WWW opisuje pracowników różnych firm

Bardziej szczegółowo

Diagramy związków encji. Laboratorium. Akademia Morska w Gdyni

Diagramy związków encji. Laboratorium. Akademia Morska w Gdyni Akademia Morska w Gdyni Gdynia 2004 1. Podstawowe definicje Baza danych to uporządkowany zbiór danych umożliwiający łatwe przeszukiwanie i aktualizację. System zarządzania bazą danych (DBMS) to oprogramowanie

Bardziej szczegółowo

2

2 1 2 3 4 5 Dużo pisze się i słyszy o projektach wdrożeń systemów zarządzania wiedzą, które nie przyniosły oczekiwanych rezultatów, bo mało kto korzystał z tych systemów. Technologia nie jest bowiem lekarstwem

Bardziej szczegółowo

Multiwyszukiwarka EBSCO Discovery Service - przewodnik

Multiwyszukiwarka EBSCO Discovery Service - przewodnik Multiwyszukiwarka EDS daje możliwość przeszukania większości baz udostępnianych przez Bibliotekę Uniwersytetu Jagiellońskiego. Odnajdziesz publikacje na potrzebny Ci temat szybko, łatwo i w jednym miejscu.

Bardziej szczegółowo

Multi-wyszukiwarki. Mediacyjne Systemy Zapytań wprowadzenie. Architektury i technologie integracji danych Systemy Mediacyjne

Multi-wyszukiwarki. Mediacyjne Systemy Zapytań wprowadzenie. Architektury i technologie integracji danych Systemy Mediacyjne Architektury i technologie integracji danych Systemy Mediacyjne Multi-wyszukiwarki Wprowadzenie do Mediacyjnych Systemów Zapytań (MQS) Architektura MQS Cechy funkcjonalne MQS Cechy implementacyjne MQS

Bardziej szczegółowo

Badanie struktury sieci WWW

Badanie struktury sieci WWW Eksploracja zasobów internetowych Wykład 1 Badanie struktury sieci WWW mgr inż. Maciej Kopczyński Białystok 214 Rys historyczny Idea sieci Web stworzona została w 1989 przez Tima BernersaLee z CERN jako

Bardziej szczegółowo

Wstęp do Sztucznej Inteligencji

Wstęp do Sztucznej Inteligencji Wstęp do Sztucznej Inteligencji Rozwiązywanie problemów-i Joanna Kołodziej Politechnika Krakowska Wydział Fizyki, Matematyki i Informatyki Rozwiązywanie problemów Podstawowe fazy: Sformułowanie celu -

Bardziej szczegółowo

Algorytmy grafowe. Wykład 1 Podstawy teorii grafów Reprezentacje grafów. Tomasz Tyksiński CDV

Algorytmy grafowe. Wykład 1 Podstawy teorii grafów Reprezentacje grafów. Tomasz Tyksiński CDV Algorytmy grafowe Wykład 1 Podstawy teorii grafów Reprezentacje grafów Tomasz Tyksiński CDV Rozkład materiału 1. Podstawowe pojęcia teorii grafów, reprezentacje komputerowe grafów 2. Przeszukiwanie grafów

Bardziej szczegółowo

Biblioteka Wirtualnej Nauki

Biblioteka Wirtualnej Nauki Biblioteka Wirtualnej Nauki BAZA SCOPUS Scopus jest największą na świecie bibliograficzną bazą abstraktów i cytowań recenzowanej literatury naukowej, wyposażoną w narzędzia bibliometryczne do śledzenia,

Bardziej szczegółowo

TEORETYCZNE PODSTAWY INFORMATYKI

TEORETYCZNE PODSTAWY INFORMATYKI 1 TEORETYCZNE PODSTAWY INFORMATYKI WFAiS UJ, Informatyka Stosowana I rok studiów, I stopień Wykład 14c 2 Definicje indukcyjne Twierdzenia dowodzone przez indukcje Definicje indukcyjne Definicja drzewa

Bardziej szczegółowo

AUTOMATYKA INFORMATYKA

AUTOMATYKA INFORMATYKA AUTOMATYKA INFORMATYKA Technologie Informacyjne Sieć Semantyczna Przetwarzanie Języka Naturalnego Internet Edytor Serii: Zdzisław Kowalczuk Inteligentne wydobywanie informacji z internetowych serwisów

Bardziej szczegółowo

a) 7 b) 19 c) 21 d) 34

a) 7 b) 19 c) 21 d) 34 Zadanie 1. Pytania testowe dotyczące podstawowych własności grafów. Zadanie 2. Przy każdym z zadań może się pojawić polecenie krótkiej charakterystyki algorytmu. Zadanie 3. W zadanym grafie sprawdzenie

Bardziej szczegółowo

Załącznik nr 1. Specyfikacja. Do tworzenia Mapy Kompetencji

Załącznik nr 1. Specyfikacja. Do tworzenia Mapy Kompetencji Załącznik nr 1 Specyfikacja Do tworzenia Mapy Kompetencji 1. Cel projektu Celem projektu jest utworzenie Mapy kompetencji. Ma ona zawierać informacje o kompetencjach, celach kształcenia, umożliwiać ich

Bardziej szczegółowo

AiSD zadanie trzecie

AiSD zadanie trzecie AiSD zadanie trzecie Gliwiński Jarosław Marek Kruczyński Konrad Marek Grupa dziekańska I5 5 czerwca 2008 1 Wstęp Celem postawionym przez zadanie trzecie było tzw. sortowanie topologiczne. Jest to typ sortowania

Bardziej szczegółowo

Metody Programowania

Metody Programowania POLITECHNIKA KRAKOWSKA - WIEiK KATEDRA AUTOMATYKI i TECHNIK INFORMACYJNYCH Metody Programowania www.pk.edu.pl/~zk/mp_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład 8: Wyszukiwanie

Bardziej szczegółowo

Zastosowanie wartości własnych macierzy

Zastosowanie wartości własnych macierzy Uniwersytet Warszawski 15 maja 2008 Agenda Postawienie problemu 1 Postawienie problemu Motywacja Jak zbudować wyszukiwarkę? Dlaczego to nie jest takie trywialne? Możliwe rozwiazania Model 2 3 4 Motywacja

Bardziej szczegółowo

Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle

Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle Paweł Szołtysek 12 czerwca 2008 Streszczenie Planowanie produkcji jest jednym z problemów optymalizacji dyskretnej,

Bardziej szczegółowo

Rozwiązywanie problemów metodą przeszukiwania

Rozwiązywanie problemów metodą przeszukiwania Rozwiązywanie problemów metodą przeszukiwania Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Reprezentacja problemu w przestrzeni stanów Jedną z ważniejszych metod sztucznej

Bardziej szczegółowo

Multiwyszukiwarka EBSCO Discovery Service przewodnik

Multiwyszukiwarka EBSCO Discovery Service przewodnik Multiwyszukiwarka EBSCO Discovery Service to narzędzie zapewniające łatwy i skuteczny dostęp do wszystkich źródeł elektronicznych Biblioteki Uczelnianej (prenumerowanych i Open Access) za pośrednictwem

Bardziej szczegółowo

Teraz bajty. Informatyka dla szkół ponadpodstawowych. Zakres rozszerzony. Część 1.

Teraz bajty. Informatyka dla szkół ponadpodstawowych. Zakres rozszerzony. Część 1. Teraz bajty. Informatyka dla szkół ponadpodstawowych. Zakres rozszerzony. Część 1. Grażyna Koba MIGRA 2019 Spis treści (propozycja na 2*32 = 64 godziny lekcyjne) Moduł A. Wokół komputera i sieci komputerowych

Bardziej szczegółowo

Metody indeksowania dokumentów tekstowych

Metody indeksowania dokumentów tekstowych Metody indeksowania dokumentów tekstowych Paweł Szołtysek 21maja2009 Metody indeksowania dokumentów tekstowych 1/ 19 Metody indeksowania dokumentów tekstowych 2/ 19 Czym jest wyszukiwanie informacji? Wyszukiwanie

Bardziej szczegółowo

Struktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott

Struktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott Struktury danych i złożoność obliczeniowa Wykład 7 Prof. dr hab. inż. Jan Magott Problemy NP-zupełne Transformacją wielomianową problemu π 2 do problemu π 1 (π 2 π 1 ) jest funkcja f: D π2 D π1 spełniająca

Bardziej szczegółowo

Segmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp. autor: Łukasz Chlebda

Segmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp. autor: Łukasz Chlebda Segmentacja obrazów cyfrowych Segmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp autor: Łukasz Chlebda 1 Segmentacja obrazów cyfrowych - temat pracy Temat pracy: Aplikacja do segmentacji

Bardziej szczegółowo

Audyt SEO. sklep-budowalny.pl. +531 525 600 biuro@semtec.pl www.semtec.pl. Biuro obsługi: al. Grunwaldzka 2/5 80-236 Gdańsk

Audyt SEO. sklep-budowalny.pl. +531 525 600 biuro@semtec.pl www.semtec.pl. Biuro obsługi: al. Grunwaldzka 2/5 80-236 Gdańsk Audyt SEO sklep-budowalny.pl Spis treści 1 WSTĘP... 3 2 ZALECENIA OGÓLNE... 5 2.1 OPTYMALIZACJA NAGŁÓWKÓW NA WSZYSTKICH PODSTRONACH... 5 2.2 KONFIGURACJA PARAMETRÓW W GOOGLE WEBMASTER TOOLS... 6 2.3 USUNIĘCIE

Bardziej szczegółowo

5c. Sieci i przepływy

5c. Sieci i przepływy 5c. Sieci i przepływy Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie zima 2016/2017 rzegorz Kosiorowski (Uniwersytet Ekonomiczny w Krakowie) 5c. Sieci i przepływy zima 2016/2017 1 / 40 1 Definicje

Bardziej szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Projektowanie rozwiązania prostych problemów w języku C++ obliczanie pola trójkąta

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Projektowanie rozwiązania prostych problemów w języku C++ obliczanie pola trójkąta SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

Internet wyszukiwarki internetowe

Internet wyszukiwarki internetowe Internet wyszukiwarki internetowe 1. WYSZUKIWARKI INTERNETOWE to doskonały sposób na znalezienie potrzebnych informacji w Internecie. Najpopularniejsze wyszukiwarki to: http://www.google.pl/ http://www.netsprint.pl/

Bardziej szczegółowo

Wyszukiwanie informacji

Wyszukiwanie informacji Wyszukiwanie informacji Informatyka Temat 1 Krotoszyn, wrzesień 2015 r. 1 Informatyka 1 Przeszukiwanie zasobów internetowych Krotoszyn, 2015 r. Spis treści prezentacji 1. Wprowadzenie 2. Gdzie szukać informacji?

Bardziej szczegółowo

Primo wyszukiwarka naukowa

Primo wyszukiwarka naukowa Primo wyszukiwarka naukowa Wyszukiwarka Primo to uniwersalne narzędzie do jednoczesnego przeszukiwania wszystkich zasobów bibliotecznych, zarówno tradycyjnych jak i elektronicznych. Pozwala szybko dotrzeć

Bardziej szczegółowo

Internet, jako ocean informacji. Technologia Informacyjna Lekcja 2

Internet, jako ocean informacji. Technologia Informacyjna Lekcja 2 Internet, jako ocean informacji Technologia Informacyjna Lekcja 2 Internet INTERNET jest rozległą siecią połączeń, między ogromną liczbą mniejszych sieci komputerowych na całym świecie. Jest wszechstronnym

Bardziej szczegółowo

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA DROGI i CYKLE w grafach Dla grafu (nieskierowanego) G = ( V, E ) drogą z wierzchołka v 0 V do v t V nazywamy ciąg (naprzemienny) wierzchołków i krawędzi grafu: ( v 0, e, v, e,..., v t, e t, v t ), spełniający

Bardziej szczegółowo

Multiwyszukiwarka EBSCO Discovery Service - przewodnik

Multiwyszukiwarka EBSCO Discovery Service - przewodnik Multiwyszukiwarka EDS daje możliwość przeszukania większości baz udostępnianych przez Bibliotekę Główną Uniwersytetu Medycznego w Poznaniu. Odnajdziesz publikacje na potrzebny Ci temat szybko, łatwo i

Bardziej szczegółowo

Inteligentne systemy informacyjne

Inteligentne systemy informacyjne Filip Graliński Inteligentne systemy informacyjne Między stronami Wewnętrzna Ocena strony Zewnętrzna adversarial information retrieval = wyszukiwanie informacji we wrogim środowisku (spamerzy!) Unigram

Bardziej szczegółowo

3. Instrukcje warunkowe

3. Instrukcje warunkowe . Instrukcje warunkowe Przykłady.1. Napisz program, który pobierze od użytkownika liczbę i wypisze na ekran słowo ujemna lub nieujemna, w zależności od tego czy dana liczba jest ujemna czy nie. 1 #include

Bardziej szczegółowo

Algorytmiczna teoria grafów

Algorytmiczna teoria grafów Przedmiot fakultatywny 20h wykładu + 20h ćwiczeń 21 lutego 2014 Zasady zaliczenia 1 ćwiczenia (ocena): kolokwium, zadania programistyczne (implementacje algorytmów), praca na ćwiczeniach. 2 Wykład (egzamin)

Bardziej szczegółowo

ECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 6.0

ECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 6.0 ECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 6.0 Przeznaczenie Sylabusa Dokument ten zawiera szczegółowy Sylabus dla modułu ECDL/ICDL Użytkowanie baz danych. Sylabus opisuje zakres wiedzy

Bardziej szczegółowo

REFERAT PRACY DYPLOMOWEJ

REFERAT PRACY DYPLOMOWEJ REFERAT PRACY DYPLOMOWEJ Temat pracy: Projekt i implementacja aplikacji internetowej do wyszukiwania promocji Autor: Sylwester Wiśniewski Promotor: dr Jadwiga Bakonyi Kategorie: aplikacja webowa Słowa

Bardziej szczegółowo

REFERAT O PRACY DYPLOMOWEJ

REFERAT O PRACY DYPLOMOWEJ REFERAT O PRACY DYPLOMOWEJ Temat pracy: Projekt i implementacja mobilnego systemu wspomagającego organizowanie zespołowej aktywności fizycznej Autor: Krzysztof Salamon W dzisiejszych czasach życie ludzi

Bardziej szczegółowo

WYSZUKIWANIE INFORMACJI W INTERNECIE

WYSZUKIWANIE INFORMACJI W INTERNECIE Sławomir Szaruga Ośrodek Nowoczesnych Technologii Informacyjnych ŁCDNiKP WYSZUKIWANIE INFORMACJI W INTERNECIE II etap edukacji (klasa VI) Cele kształcenia Cele ogólne: kształtowanie umiejętności wyszukiwania

Bardziej szczegółowo

Grafy i sieci wybrane zagadnienia wykład 3: modele służące porównywaniu sieci

Grafy i sieci wybrane zagadnienia wykład 3: modele służące porównywaniu sieci Grafy i sieci wybrane zagadnienia wykład 3: modele służące porównywaniu sieci prof. dr hab. inż. Marta Kasprzak Instytut Informatyki, Politechnika Poznańska Plan wykładu 1. Sieci jako modele interakcji

Bardziej szczegółowo

Praca magisterska Jakub Reczycki. Opiekun : dr inż. Jacek Rumiński. Katedra Inżynierii Biomedycznej Wydział ETI Politechnika Gdańska

Praca magisterska Jakub Reczycki. Opiekun : dr inż. Jacek Rumiński. Katedra Inżynierii Biomedycznej Wydział ETI Politechnika Gdańska System gromadzenia, indeksowania i opisu słownikowego norm i rekomendacji Praca magisterska Jakub Reczycki Opiekun : dr inż. Jacek Rumiński Katedra Inżynierii Biomedycznej Wydział ETI Politechnika Gdańska

Bardziej szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH 1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Dane w postaci grafów Przykład: social network 3 Przykład: media network 4 Przykład: information network

Bardziej szczegółowo

Wymagania na poszczególne oceny szkolne dla klasy VI. (na podstawie Grażyny Koba, Teraz bajty. Informatyka dla szkoły podstawowej.

Wymagania na poszczególne oceny szkolne dla klasy VI. (na podstawie Grażyny Koba, Teraz bajty. Informatyka dla szkoły podstawowej. 1 Wymagania na poszczególne oceny szkolne dla klasy VI (na podstawie Grażyny Koba, Teraz bajty. Informatyka dla szkoły podstawowej. Klasa VI ) 2 1. Obliczenia w arkuszu kalkulacyjnym słucha poleceń nauczyciela

Bardziej szczegółowo

WPROWADZENIE DO BAZ DANYCH

WPROWADZENIE DO BAZ DANYCH WPROWADZENIE DO BAZ DANYCH Pojęcie danych i baz danych Dane to wszystkie informacje jakie przechowujemy, aby w każdej chwili mieć do nich dostęp. Baza danych (data base) to uporządkowany zbiór danych z

Bardziej szczegółowo

Dziennik Urzędowy Unii Europejskiej L 274/9

Dziennik Urzędowy Unii Europejskiej L 274/9 20.10.2009 Dziennik Urzędowy Unii Europejskiej L 274/9 ROZPORZĄDZENIE KOMISJI (WE) NR 976/2009 z dnia 19 października 2009 r. w sprawie wykonania dyrektywy 2007/2/WE Parlamentu Europejskiego i Rady w zakresie

Bardziej szczegółowo

LABORATORIUM 8,9: BAZA DANYCH MS-ACCESS

LABORATORIUM 8,9: BAZA DANYCH MS-ACCESS UNIWERSYTET ZIELONOGÓRSKI INSTYTUT INFORMATYKI I ELEKTROTECHNIKI ZAKŁAD INŻYNIERII KOMPUTEROWEJ Przygotowali: mgr inż. Arkadiusz Bukowiec mgr inż. Remigiusz Wiśniewski LABORATORIUM 8,9: BAZA DANYCH MS-ACCESS

Bardziej szczegółowo

Algorytmy wyznaczania centralności w sieci Szymon Szylko

Algorytmy wyznaczania centralności w sieci Szymon Szylko Algorytmy wyznaczania centralności w sieci Szymon Szylko Zakład systemów Informacyjnych Wrocław 10.01.2008 Agenda prezentacji Cechy sieci Algorytmy grafowe Badanie centralności Algorytmy wyznaczania centralności

Bardziej szczegółowo

PROLOG WSTĘP DO INFORMATYKI. Akademia Górniczo-Hutnicza. Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej.

PROLOG WSTĘP DO INFORMATYKI. Akademia Górniczo-Hutnicza. Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej. Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej WSTĘP DO INFORMATYKI Adrian Horzyk PROLOG www.agh.edu.pl Pewnego dnia przyszedł na świat komputer Komputery

Bardziej szczegółowo

7. Teoria drzew - spinanie i przeszukiwanie

7. Teoria drzew - spinanie i przeszukiwanie 7. Teoria drzew - spinanie i przeszukiwanie Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie zima 2016/2017 rzegorz Kosiorowski (Uniwersytet Ekonomiczny 7. wteoria Krakowie) drzew - spinanie i przeszukiwanie

Bardziej szczegółowo

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty

Bardziej szczegółowo

Analiza skupień. Analiza Skupień W sztucznej inteligencji istotną rolę ogrywają algorytmy grupowania

Analiza skupień. Analiza Skupień W sztucznej inteligencji istotną rolę ogrywają algorytmy grupowania Analiza skupień W sztucznej inteligencji istotną rolę ogrywają algorytmy grupowania Analiza Skupień Elementy składowe procesu grupowania obiekt Ekstrakcja cech Sprzężenie zwrotne Grupowanie klastry Reprezentacja

Bardziej szczegółowo

INTERNET - NOWOCZESNY MARKETING

INTERNET - NOWOCZESNY MARKETING STRONA INTERNETOWA TO JUŻ ZBYT MAŁO! INTERNET ROZWIJA SIĘ Z KAŻDYM DNIEM MÓWIMY JUŻ O: SEM Search Engine Marketing, czyli wszystko co wiąże się z marketingiem internetowym w wyszukiwarkach. SEM jest słowem

Bardziej szczegółowo

EmotiWord, semantyczne powiązanie i podobieństwo, odległość znaczeniowa

EmotiWord, semantyczne powiązanie i podobieństwo, odległość znaczeniowa , semantyczne powiązanie i podobieństwo, odległość Projekt przejściowy ARR Politechnika Wrocławska Wydział Elektroniki Wrocław, 22 października 2013 Spis treści 1 językowa 2, kryteria 3 Streszczenie artykułu

Bardziej szczegółowo

Wybrane działy Informatyki Stosowanej

Wybrane działy Informatyki Stosowanej Wybrane działy Informatyki Stosowanej Dr inż. Andrzej Czerepicki a.czerepicki@wt.pw.edu.pl http://www2.wt.pw.edu.pl/~a.czerepicki 2017 APLIKACJE SIECIOWE Definicja Architektura aplikacji sieciowych Programowanie

Bardziej szczegółowo

Biblioteka Wirtualnej Nauki

Biblioteka Wirtualnej Nauki Biblioteka Wirtualnej Nauki BAZA EBSCO EBSCO Publishing oferuje użytkownikom w Polsce dostęp online do pakietu podstawowego baz danych w ramach projektu Electronic Information for Libraries Direct eifl

Bardziej szczegółowo

ECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 5.0

ECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 5.0 ECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 5.0 Przeznaczenie Sylabusa Dokument ten zawiera szczegółowy Sylabus dla modułu ECDL/ICDL Użytkowanie baz danych. Sylabus opisuje zakres wiedzy

Bardziej szczegółowo

Czytelnik w bibliotece cyfrowej

Czytelnik w bibliotece cyfrowej Czytelnik w bibliotece cyfrowej Adam Dudczak Poznańskie Centrum Superkomputerowo-Sieciowe IV Warsztaty Biblioteki Cyfrowe Poznań, 2007 Do czego służy Aplikacja Czytelnika? Udostępnianie zasobów cyfrowych

Bardziej szczegółowo

TEORIA GRAFÓW I SIECI

TEORIA GRAFÓW I SIECI TEORIA GRAFÓW I SIECI Temat nr 1: Definicja grafu. Rodzaje i części grafów dr hab. inż. Zbigniew TARAPATA, prof. WAT e-mail: zbigniew.tarapata@wat.edu.pl http://tarapata.edu.pl tel.: 261-83-95-04, p.225/100

Bardziej szczegółowo

Kolorowanie wierzchołków grafu

Kolorowanie wierzchołków grafu Kolorowanie wierzchołków grafu Niech G będzie grafem prostym. Przez k-kolorowanie właściwe wierzchołków grafu G rozumiemy takie przyporządkowanie wierzchołkom grafu liczb naturalnych ze zbioru {1,...,

Bardziej szczegółowo

OpenOfficePL. Zestaw szablonów magazynowych. Instrukcja obsługi

OpenOfficePL. Zestaw szablonów magazynowych. Instrukcja obsługi OpenOfficePL Zestaw szablonów magazynowych Instrukcja obsługi Spis treści : 1. Informacje ogólne 2. Instalacja zestawu a) konfiguracja połączenia z bazą danych b) import danych z poprzedniej wersji faktur

Bardziej szczegółowo

POZYCJONOWANIE STRONY SKLEPU

POZYCJONOWANIE STRONY SKLEPU . Wszystko O Pozycjonowaniu I Marketingu. >>>POZYCJONOWANIE STRON LEGNICA POZYCJONOWANIE STRONY SKLEPU >>>WIĘCEJ

Bardziej szczegółowo

IMIĘ I NAZWISKO... Wykorzystując wyszukiwarkę Google wykonaj poniższe polecenia:

IMIĘ I NAZWISKO... Wykorzystując wyszukiwarkę Google wykonaj poniższe polecenia: Załączniki nr 1 KARTA PRACY GRUPA.. Klasa.. IMIĘ I NAZWISKO... Wykorzystując wyszukiwarkę Google wykonaj poniższe polecenia: CZĘŚĆ I 1. Podaj, od czego pochodzi nazwa miasta Piotrkowa Trybunalskiego. 2.

Bardziej szczegółowo

Wprowadzenie do baz danych

Wprowadzenie do baz danych Wprowadzenie do baz danych Dr inż. Szczepan Paszkiel szczepanpaszkiel@o2.pl Katedra Inżynierii Biomedycznej Politechnika Opolska Wprowadzenie DBMS Database Managment System, System za pomocą którego można

Bardziej szczegółowo

Przekształcenia widmowe Transformata Fouriera. Adam Wojciechowski

Przekształcenia widmowe Transformata Fouriera. Adam Wojciechowski Przekształcenia widmowe Transformata Fouriera Adam Wojciechowski Przekształcenia widmowe Odmiana przekształceń kontekstowych, w których kontekstem jest w zasadzie cały obraz. Za pomocą transformaty Fouriera

Bardziej szczegółowo

Wydział Elektrotechniki, Informatyki i Telekomunikacji. Instytut Informatyki i Elektroniki. Instrukcja do zajęć laboratoryjnych

Wydział Elektrotechniki, Informatyki i Telekomunikacji. Instytut Informatyki i Elektroniki. Instrukcja do zajęć laboratoryjnych Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Informatyki i Elektroniki Instrukcja do zajęć laboratoryjnych wersja: 1.0 Nr ćwiczenia: 12, 13 Temat: Cel ćwiczenia: Wymagane przygotowanie

Bardziej szczegółowo

Zmiany funkcjonalne i lista obsłużonych zgłoszeń Comarch DMS , Comarch DMS i Comarch DMS

Zmiany funkcjonalne i lista obsłużonych zgłoszeń Comarch DMS , Comarch DMS i Comarch DMS Zmiany funkcjonalne i lista obsłużonych zgłoszeń 2017.3.0, i 2017.3.2 1. Wstęp W niniejszym dokumencie zostały opisane modyfikacje wprowadzone w wersji 2017.3.0, i 2017.3.2. 2. Modyfikacje wprowadzone

Bardziej szczegółowo

Nauczanie na odległość

Nauczanie na odległość P o l i t e c h n i k a W a r s z a w s k a Nauczanie na odległość a standaryzacja materiałów edukacyjnych Krzysztof Kaczmarski Nauczanie na odległość T Nauczanie ustawiczne T Studia przez Internet? T

Bardziej szczegółowo

Aproksymacja funkcji a regresja symboliczna

Aproksymacja funkcji a regresja symboliczna Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą

Bardziej szczegółowo

Inteligentne wydobywanie informacji z internetowych serwisów społecznościowych

Inteligentne wydobywanie informacji z internetowych serwisów społecznościowych Inteligentne wydobywanie informacji z internetowych serwisów społecznościowych AUTOMATYKA INFORMATYKA Technologie Informacyjne Sieć Semantyczna Przetwarzanie Języka Naturalnego Internet Edytor Serii: Zdzisław

Bardziej szczegółowo

Baza danych. Modele danych

Baza danych. Modele danych Rola baz danych Systemy informatyczne stosowane w obsłudze działalności gospodarczej pełnią funkcję polegającą na gromadzeniu i przetwarzaniu danych. Typowe operacje wykonywane na danych w systemach ewidencyjno-sprawozdawczych

Bardziej szczegółowo

Skrócona instrukcja obsługi

Skrócona instrukcja obsługi Web of Science Skrócona instrukcja obsługi ISI WEB OF KNOWLEDGE SM Można przeszukiwać ponad 9 00 czasopism w ponad językach z różnych dziedzin nauk ścisłych, społecznych i humanistycznych, aby znaleźć

Bardziej szczegółowo

Księgarnia internetowa Lubię to!» Nasza społeczność

Księgarnia internetowa Lubię to!» Nasza społeczność Kup książkę Poleć książkę Oceń książkę Księgarnia internetowa Lubię to!» Nasza społeczność SPIS TREŚCI Drodzy Uczniowie!........................................... 5 Rozdział 1. Bezpieczne posługiwanie

Bardziej szczegółowo

Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja I

Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja I Zespół TI Instytut Informatyki Uniwersytet Wrocławski ti@ii.uni.wroc.pl http://www.wsip.com.pl/serwisy/ti/ Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja I Rozkład zgodny

Bardziej szczegółowo

Zastosowanie CP-grafów do generacji siatek

Zastosowanie CP-grafów do generacji siatek Zastosowanie CP-grafów do generacji siatek 1 Cel zajęć Celem zajęć jest praktyczne zaznajomienie się z pojęciem CP-grafu i gramatyk grafowych, przy pomocy których można je tworzyć i nimi manipulować. Jako

Bardziej szczegółowo

Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja II

Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja II Zespół TI Instytut Informatyki Uniwersytet Wrocławski ti@ii.uni.wroc.pl http://www.wsip.com.pl/serwisy/ti/ Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja II Rozkład wymagający

Bardziej szczegółowo

Reprezentacje grafów nieskierowanych Reprezentacje grafów skierowanych. Wykład 2. Reprezentacja komputerowa grafów

Reprezentacje grafów nieskierowanych Reprezentacje grafów skierowanych. Wykład 2. Reprezentacja komputerowa grafów Wykład 2. Reprezentacja komputerowa grafów 1 / 69 Macierz incydencji Niech graf G będzie grafem nieskierowanym bez pętli o n wierzchołkach (x 1, x 2,..., x n) i m krawędziach (e 1, e 2,..., e m). 2 / 69

Bardziej szczegółowo

Specjalizacja magisterska Bazy danych

Specjalizacja magisterska Bazy danych Specjalizacja magisterska Bazy danych Strona Katedry http://bd.pjwstk.edu.pl/katedra/ Prezentacja dostępna pod adresem: http://www.bd.pjwstk.edu.pl/bazydanych.pdf Wymagania wstępne Znajomość podstaw języka

Bardziej szczegółowo

Struktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott

Struktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott Struktury danych i złożoność obliczeniowa Wykład. Prof. dr hab. inż. Jan Magott Algorytmy grafowe: podstawowe pojęcia, reprezentacja grafów, metody przeszukiwania, minimalne drzewa rozpinające, problemy

Bardziej szczegółowo

Grafem nazywamy strukturę G = (V, E): V zbiór węzłów lub wierzchołków, Grafy dzielimy na grafy skierowane i nieskierowane:

Grafem nazywamy strukturę G = (V, E): V zbiór węzłów lub wierzchołków, Grafy dzielimy na grafy skierowane i nieskierowane: Wykład 4 grafy Grafem nazywamy strukturę G = (V, E): V zbiór węzłów lub wierzchołków, E zbiór krawędzi, Grafy dzielimy na grafy skierowane i nieskierowane: Formalnie, w grafach skierowanych E jest podzbiorem

Bardziej szczegółowo

Spis treści. 1: Wyszukiwanie elementu : Do linii modelu : Powiel arkusze : Długość kabla : Rozmieszczenie widoków...

Spis treści. 1: Wyszukiwanie elementu : Do linii modelu : Powiel arkusze : Długość kabla : Rozmieszczenie widoków... Co nowego 2018 R2 Spis treści NOWOŚCI... 5 1: Wyszukiwanie elementu... 5 2: Do linii modelu... 6 3: Powiel arkusze... 7 4: Długość kabla... 8 5: Rzędne poziomów... 9 ULEPSZENIA... 10 1: Połączenie z Excel...

Bardziej szczegółowo

Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych

Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych autor: Robert Drab opiekun naukowy: dr inż. Paweł Rotter 1. Wstęp Zagadnienie generowania trójwymiarowego

Bardziej szczegółowo