Könyvismertető: Understanding Search Engines: Mathematical Modeling and Text Retrieval

Sokan kérdezték hogy akad-e valami ami Widdows könyvénél komolyabb, de nem annyira mint van Rijsbergen munkája. Habár vannak hibái és egy kicsit már érződik raja az idő, Michael W. Berry Understanding Search Engines: Mathematical Modeling and Text Retrieval című könyve remekül betöltheti a híd szerepét.

Understanding Search Engines: Mathematical Modeling and Text Retrieval

Nem szabad megfeledkeznünk arról hogy a kötet kiadója a Society for Industrial and Applied Mathematics. Így ne várjunk olyan szép narratívát mint amit a CSLI gondozásában megjelent Meaning and Geometry nyújt! 117 oldalon a keresés legalapvetőbb elméleti és technikai problémáit tekinti át a szerző, ami valljuk be nem eredményezhet egy kalandregényt. A könyv nyelvezete egy kicsit nehezen követhető, hullámzó színvonalon tárgyalja a matematikai vonatkozásokat (ezen a Google sokat segíthet olvasás közben), a technikai részek pedig kifejezetten gyengék. Ellenben nagyon logikusan építkezik a szerző, minden alapfogalom bevezetésre kerül és valamennyire a formális hátteret is megismerhetjük.

A bevezető fejezet tisztességesen kontextusba helyezi a témát, a második feladat áttekinti az előfeldolgozást valamennyire, de tényleg ne várjunk tőle túl sokat és vegyük figyelembe hogy technikai értelemben egy 2005-ben megjelent könyv már tkp. használhatatlannak tekinthető. A harmadik fejezet a vektortereket, a negyedik pedig a mátrix dekompozíciót taglalja, jó példákkal és akár komolyabb előismeretek nélkül is érthetően, de ne tekintsük egy lineáris algebra kurzus helyettesítőinek őket. Az ötödik fejezet a query-kről szerintem a kötet legjobb része, tömör és világos és máshol eddig még nem találkoztam ilyen jó leírással. A hatodik fejezet a ranking és a relevancia kérdésével foglalkozik röviden, a precision és recall fogalmait bemutatva. A hetedik fejezet sajnos vázlatosra sikeredett, de a HITS és a PageRank algoritmusok lényegét megismerhetjük belőle. A nyolcadik fejezet az interfészekkel foglalkozik és színvonala remekül mutatja hogy ehhez nem igazán értenek a matematikusok. Az utolsó fejezet további olvasmányokat ajánl, ezekből érdemes szemezgetni.

Könyvismertető: The Geometry of Information Retrieval

C.J. "Keith" van Rijsbergen az IR egyik élő legendája, 1979-ben megjelent Information Retrieval c. könyve (mely szabadon elérhető a neten) igazi mérföldkő volt a területen. A The Geometry of Information Retrieval majd harminc évvel a klasszikus után jelent meg, és alig 185 oldalba sűrítve írja le a terület mai állását és ad betekintést a kvantumlogikán alapuló jövőbe.

The Geometry of Information Retrieval

A kötet rövid, de ez ne tévesszen meg senkit, mert nem könnyű olvasmány. Témáját tekintve Widdows Geometry and Meaningjével tkp. egybe vág, csak amíg Widdows célja hogy egy álltalános műveltséggel rendelkező érdeklődőt szinte kézen fogva vezessen be a területre, addig van Rijsbergen könyve azoknak íródott akit már bírnak kellő matematikai előismeretekkel és rendelkeznek alapos előismeretekkel az IR terén. A kor hülye divatja miatt a könyv megpróbál "self-contained" lenni, de 185 oldalban képtelenség eljutni a halmazoktól a kvantumelmélet felvázolásáig és mindeközben kitérni az IR vonatkozásokra, de evvel együtt is csak ajánlani tudom.

A kötet egy, a matematikai berkeken belül valamiért divatos fromátummal, prológussal indít, melynek akkor van értelme ha a következő hat fejezetet már vágja az olvasó, így érdemes utoljára olvasni. A függelékekkel is jobb megismerkedni hamar, a tényleges olvasás előtt, vagy ha valakinek jobban fekszik, akkor lehet egy-egy fejezet olvasása során konzultálni a vonatkozó résszel. Fizikusok előnyben vannak, hiszen nekik a lineáris algebra, a kavntummechanika és a valószínűségszámítás általában menni szokott, én kifénymásoltam magamnak a kvantumelméletről szóló függeléket és magamnál tartottam olvasás közben.

A prológus és a függelékek el is visznek úgy hatvan oldalt az amúgy sem túl hosszú könyvből, ami marad az így nagy sűrűre sikeredett. A bevezetés és a halmazelméleti második fejezet még nem annyira meredek. A harmadik fejezet kilenc oldala a Hilbert terekről és vektorokról már mókásabb, figyelembe véve hogy központi jelentősségű a téma, talán jobb lett volna több teret engedni neki. A többi fejezet logikusan építkezik, lineáris algebra, kondícionális logika és kvantumlogika szép sorban.

Kezdőknek nem ajánloma könyvet, haladóknak is csak akkor ha minimum olvasták már Widdows és valami egyszerűbb bevezető tankönyvet (pl. a népszerű IR könyvet, ami szabadon elérhető). Kifejezetten ajánlom hogy Widdows könyvével párhuzamosan haladjon az olvasó, akkor is ha már rég túl van a Geometry and Meaning szintjén, jó először összefüggéseiben, informálisan tárgyalva látni az adott anyagot, s csak ezután nekiesni a mélyebb, formális leírásnak.

Könyvismertető: Faceted Search

Mi is az a facetta? Erre a legjobb választ eddig Király Péter blogján találtam: "kategóriák különféle ortogonális halmazaiban fellelhető tulajdonságok együttese. De inkább: a találati halmaz automatikus kategorizálása az egyes rekordokban található mező-értékek alapján. Segítségükkel könnyűszerrel áttekinthető és szűrhető a találati halmaz." Daniel Tunkelang a CMU professzora és az Endeca információ menedzsment eszközt készítő cég egyik alapítója (no meg a TunkRank algoritmus megalkotója, a méltán népszerű The Noisy Channel blog szerzője stb stb) egy rövid, ám alapos könyvben foglalta össze a témát. Szépen, tisztességesen járja körül hogy mi is az a facettás keresés, honnét ered, mi fán terem és hogyan használható.

• Daniel Tunkelang: Faceted Search
• Morang & Caypool Publishers
• Synthese Lectures on Information Concepts, Retrieval, and Services
• 80 oldal
• a könyv adatlapja a kiadó oldalán