Information Retrieval im World Wide Web

PPS-Seminar im Sommersemester 2001, Departement Elektrotechnik

Ablauf:

In der ersten Sitzung sucht sich jeder Teilnehmer bzw. jede Teilnehmerin ein Thema aus und bekommt die zugehörige Literatur (ausschliesslich englischsprachige Originalliteratur!) ausgehändigt. Danach hält jede Woche einer der Teilnehmer einen Vortrag zu seinem Thema. Ausserdem fertigen alle Teilnehmer eine kurze Ausarbeitung (ca. 5-10 Seiten) zu ihrem Thema an. Die Ausarbeitung muss spätestens eine Woche nach dem Vortrag fertig sein, ggf. können nachträglich noch Verbesserungen gemacht werden.

Übersicht:

Das World Wide Web besteht aus vielen hundert Millionen Webseiten und stellt eine praktisch unerschöpfliche Informationsquelle dar. Allerdings ist das WWW unkontrolliert und unstrukturiert mit rasanter Geschwindigkeit auf den heutigen Stand angewachsen, so dass die Lokalisierung der gesuchten Informationen oft keine leichte Aufgabe ist. Hilfe bieten hier Suchmaschinen wie AltaVista, Excite, Lycos und Google, mit denen das WWW effizient durchsucht werden kann. In diesem Seminar wollen wir uns mit den Fragestellungen und Lösungsverfahren (Algorithmen) beschäftigen, die für das Funktionieren einer guten Suchmaschine relevant sind.

Um einen ersten Eindruck des Themengebiets zu bekommen, eignet sich ein Blick auf das Tutorial Web Information Retrieval von Monika Henzinger von Google.

Die Themen- und Literaturliste ist als PostScript und pdf-file verfügbar.

Vortragsliste

• Vortrag am 25.04.2001: Peter Keller
  Die Architektur der Suchmaschine Google
  • S. Brin, L. Page:
    The Anatomy of a Large-Scale Hypertextual Search Engine. (html link)
• Vortrag am 02.05.2001: Reto Huber
  PageRank: Anfrageunabhängige Bewertung von Webseiten
  
  • L. Page, S. Brin, R. Motwani, T. Winograd:
    The PageRank Citation Ranking: Bringing Order to the Web. (ps-file)
  • T. Haveliwala:
    Efficient Computation of PageRank. (ps-file)
• Vortrag am 09.05.2001: Thomas Vontobel
  Webcrawler
  • J. Cho, H. Garcia-Molina, L. Page:
    Efficient Crawling Through URL Ordering (html link)
  • J. Cho, H. Garcia-Molina:
    The Evolution of the Web and Implications for an incremental Crawler. In Proceedings of 26th International Conference on Very Large Databases (VLDB), September 2000. (pdf-file)
• Vortrag am 16.05.2001: Thomas Hug
  Erkennung von fast indentischen Webseiten und Hosts
  
  • A. Broder, S. Glassman, M. Manasse, G. Zweig:
    Syntactic Clustering of the Web. (html link)
  • A. Broder:
    On the resemblance and containment of documents. (ps-file), pdf-file
  • J. Cho, N. Shivakumar, H. Garcia-Molina:
    Finding replicated Web collections. In Proceedings of 2000 ACM International Conference on Management of Data (SIGMOD), May 2000. (pdf-file)
• Vortrag am 23.05.2001: Thomas Heuscher
  Vergleich und Bewertung von Suchmaschinen
  • K. Bharat, A. Broder:
    A technique for measuring the relative size and overlap of public Web search engines. (html link)
  • M. Henzinger, A. Heydon, M. Mitzenmacher, M. Najork:
    Measuring Index Quality Using Random Walks on the Web. (ps-File)
• Vortrag am 30.05.2001: Andreas Kalapos
  Studien über das Benutzerverhalten
  • B. Jansen, A. Spin, J. Bateman, T. Saracevic:
    Real life information retrieval: a study of user queries on the Web. (html link)
  • C. Silverstein, M. Henzinger, J. Marais, M. Moricz:
    Analysis of a very large AltaVista query log. To appear in SIGIR Forum. SRC-Technical Note 1998-014. (ps-file)
  • C.W. Choo, B. Detlor, D. Turnbull:
    Information Seeking on the Web: An Integrated Model of Browsing and Searching. (html link)

Nicht vergebene Themen

• Aufbau eines Web-Index zur effizienten Suche
  
  • R. Baeza-Yates, B. Ribeiro-Neto:
    Modern Information Retrieval. ACM Press, 1999. Kapitel 4 (Query Languages), Kapitel 6.3 (Text), Kapitel 7.2 (Document Preprocessing), und Kapitel 8 (Indexing and Searching).
• Die Graphenstruktur und Evolution des WWW
  
  • A. Broder, R. Kumar, F. Maghoul, P. Raghavan, S. Rajagopalan, R. Stata, A. Tomkins, J. Wiener:
    Graph structure in the web. (html link)
  • J. Cho, H. Garcia-Molina:
    The Evolution of the Web and Implications for an incremental Crawler. In Proceedings of 26th International Conference on Very Large Databases (VLDB), September 2000. (pdf-file)
• HITS: Anfrageabhängige Bewertung von Webseiten
  
  • J. Kleinberg:
    Authoritative Sources in a Hyperlinked Environment. (ps-file)
  • D. Gibson, J. Kleinberg, P. Raghavan:
    Inferring Web Communities from Link Topology (ps-file)
• Einführung in Information Retrieval-Modelle
  • R. Baeza-Yates, B. Ribeiro-Neto:
    Modern Information Retrieval. ACM Press, 1999. Kapitel 2 (Modeling).
  • P. Raghavan:
    Information Retrieval Algorithms: A Survey. In: Proceedings of SODA 1997, pp. 11-18.
• Klassifikation von Webseiten
  
  • S. Chakrabarti, B. Dom, P. Indyk:
    Enhanced hypertext categorization using hyperlinks. (ps-file)
  • Soumen Chakrabarti, Byron Dom, Rakesh Agrawal, Prabhakar Raghavan:
    Scalable feature selection, classification and signature generation for organizing large text databases into hierarchical topic taxonomies (pdf-file)
• Das Auffinden neuer Cyber-Communities
  • R. Kumar, P. Raghavan, S. Rajagopalan, A. Tomkins:
    Trawling the web for emerging cyber-communities. (html link)
  • R. Kumar, P. Raghavan, S. Rajagopalan, A. Tomkins:
    Extracting large-scale knowledge bases from the web. (ps-file)
• Gruppierung von Query-Resultaten
  
  • O. Zamir, O. Etzioni:
    Web document clustering: a feasibility demonstration. Proceedings of the 21st annual international ACM SIGIR conference on Research and development in information retrieval, August 24 - 28, 1998, Melbourne Australia . Pages 46-54 (html link)