1. Цели и задачи курса «Прикладные компьютерные программы»
2. Всемирная паутина и её протоколы.
3. Язык гипертекстовой разметки текстов НТМL.
4. Протокол передачи гипертекста НТТР.
5. Пиринговые сети. Их область применения
6. Пиринговые сети. Достоинства и недостатки.
7. Схема информационно-поисковой системы. Её основные функции.
8. Основные подходы к построению информационно-поисковой системы. Основные модели поиска информации.
9. Булева модель поиска информации. (Классическая булева модель. Расширенная булева модель.)
10. Булева модель поиска информации. Модель нечеткого поиска.
11. Векторно-пространственная модель поиска информации.
12. Вероятностная модель поиска информации.
13. Алгоритмы поиска информации в пиринговых сетях: по ключам; методом широкого первичного поиска.
14. Алгоритмы поиска информации в пиринговых сетях методом случайного широкого первичного поиска.
15. Алгоритмы поиска информации в пиринговых сетях методами «большинства результатов по прошлой эвристике» и «случайных блужданий».
16. Информационно поисковые языки.
17. Характеристики информационного поиска.
18. Сущность и задачи метода глубинного анализа текста «Текст мининг».
19. Основные элементы метода «Текст мининг».
20. Элементы метода «Текст мининг»: классификация; кластеризация; извлечение понятий и определение их взаимосвязи.
21. Элемент метода «Текст мининг» - автоматическое реферирование.
22. Элементы метода «Текст мининг»: поисковые образы документов; выявление дублирования информации.
23. Элемент метода «Текст мининг» - выявление новых событий.
24. Цели и задачи классификации информации.
25. Методы классификации информации: Роччио; регрессии; ДНФ-крассификатор.
26. Классификация информации на основе «ДНФ-крассификатора» и «искусственных нейронных сетей».
27. Классификация информации на основе искусственных нейронных сетей и байесовская классификация.
28. Байесовская классификации информации и определение тональности сообщений.
29. Использование метода «опорных векторов» для классификации информации.
30. Цели и задачи кластерного анализа.
31. Метод кластерного анализа - матричный латентно-семантический.
32. Метод кластерного анализа - вероятностный латентно-семантический.
33. Методы кластерного анализа: К-средних; Иерархического группирования-объединения.
34. Методы кластерного анализа: суффиксных деревьев и гибридные.
35. Методы ранжирования результатов поиска: ХИТС и ПХИТС.
36. Методы ранжирования результатов поиска: ПейджРанг; СААСС; «по-Хиршу».
37. Линейная и экспоненциальная модели информационных потоков.
38. Логистическая модель информационных потоков.
39. Модель диффузии информации.
40. Модель самоорганизованной критичности информации.
|