Knowledge Engineering 知識工程 2012 Fall

• Announcement
• Class Information
• Requirement and Grading
• Schedule
• 成績查詢

1. Announcement

• 2013/01/07: 作業3測試語料有內文不全的問題，開放下載更新版本。(用舊版亦可; email內請註明使用的版本)
• 2013/01/01: 期末專題語料下載 1~6 7~8 9 (新聞與討論含半年份資料，密碼請洽老師)

  name	description	source
  dataset1	餐廳介紹與食記	Food,EatToDie
  dataset2	電影介紹與討論	movie
  dataset3	汽車、機車、腳踏車之討論	bicycle,biker,car
  dataset4	網路購物討論	e-shopping
  dataset5	美妝、親子、求職討論	BeautySalon,BabyMother,Job
  dataset6	新聞資料
  dataset7	智慧型手機之討論	HTC,iPhone,SAMSUNG,SonyEricsson
  dataset8	政治、手機與平板、科技求職討論	HatePolitics,MobileComm,Tech_Job
  dataset9	智慧型手機之商品資訊	HTC,iPhone,Galaxy,Xperia
  dataset10	博物館展討論	Museum 下載

• 2012/09/15: 課程講義將陸續於上課前在網站公布下載。

2. Class Information

• 本課程為台科大與 意藍科技/龍捲風科技 合開之產學合作課程
• 旨在培養國內知識工程、搜尋引擎、文字探勘等應用之專業技術人才
• 課程編號: MI 531 2701
• 上課時間: 星期二 6,7,8 (13:30~16:30) MA-303教室
• 授課教師: 楊立偉 博士 (bugmanagement.ntu.edu.tw)
• Office Hour: 課後依需要而定
• 參考書目:
1. 本課程將以本書做為主要教科書。
   Introduction to Information Retrieval, by Christopher D. Manning, etc. Cambridge University Press, 2008
   HTML edition
2. 以下為本學域經典之參考書。
   Modern Information Retrieval, by Ricardo Baeza-Yates & Berthier Ribeiro-Neto. Addison Wesley, 1999
   Introduction to Modern Information Retrieval, by Gerard Salton. McGraw-Hill, 1983
3. 以下為知識工程最新發展之補充書籍。
   Text Mining: Classification, Clustering, and Applications, by Ashok Srivastava , Mehran Sahami. Chapman & Hall, 2009.
   Data-Intensive Text Processing with MapReduce, by J. Lin and C. Dyer. University of Maryland, 2010. webpage & final manuscript (PDF)

3. Requirement and Grading

課程背景:

在數位化的時代中，科技的進步與網路的普及，使得資訊的產出呈現爆炸性的成長。
如何在大量非結構資訊中，找到使用者想要的，並藉由特殊的演算法，可進一步分析出資訊背後所隱藏的知識。
協助人們用更少的時間、處理更多的資訊、得到更高品質的知識，即為知識工程之目的。
而本課程將針對非結構資訊，特別是巨量文字資訊、以及網路資訊，介紹當今最新的技術與產業發展。

課程目標:

1. 培養知識管理與資訊檢索領域之實務技能 (20%)
2. 培養相關系統設計之觀念與能力 (40%)
3. 了解相關技術、應用、議題與發展 (30%)
4. 培養一技之長，以便未來能夠就業，可直接進入產業 (10%)

授課方式:

1. 主要採用課堂上課，以投影片搭配範例解說。
2. 含實作議題討論與問答。

評分方式:

1. 指定題目作業 (60%)
• 每組 1~4 人，共三次


2. 期末專題 (40%)
• 每組 1~4 人，包括提案與實機展示

4. Schedule

週次	主題	投影片
Week 1 (2012.09.25)	Introduction 知識工程概論與課程介紹，以及學界與業界發展趨勢	課程大綱 投影片
Week 2 (2012.10.02)	Search Engine(1) 索引結構與檢索模型	Ch1
Week 3 (2012.10.09)	Search Engine(2) 搜尋引擎實作: 資料擷取與索引建置	講義 Ch4
Week 4 (2012.10.16)	Search Engine(3) 進階檢索模型: 模糊容錯、同音、同義	Ch6 作業一
Week 5 (2012.10.23)	Search Engine(4) 搜尋引擎實作: 分類檢索	講義
Week 6 (2012.10.30)	Text Processing(1) Term Weighting與TF-IDF模型	Ch8
Week 7 (2012.11.06)	Text Processing(2) 非結構化資料處理實作: 中文NLP工具	講義 作業二
Week 8 (2012.11.13)	Text Processing(3) 非結構化資料處理實作: 摘要、命名實體、情緒判別	講義
Week 9 (2012.11.20)	Text Processing(4) Vector Space Model向量空間模型	Ch9
Week 10 (2012.11.27)	Text Mining(1) Classification 知識分類的技術與應用	Ch13 Ch14 作業二
Week 11 (2012.12.04)	Text Mining(2) Classification 知識分類的技術與應用	Ch15
Week 12 (2012.12.11)	Text Mining(3) Clustering 知識分群的技術與應用	Ch16 Ch17
Week 13 (2012.12.18)	Text Mining(4) 分類與分群實作: 分類工具	講義 作業三
Week 14 (2012.12.25)	Text Mining(5) 分類與分群實作: 標記工具	Ch19 專題要求
Week 15 (2013.01.01)	放假
Week 16 (2013.01.08)	專題提案 + Case Study	作業三
Week 17 (2013.01.15)	Web Mining Analysis & Mining 網路資訊分析技術與應用	Ch20 Ch21 SEO
Week 18 (2013.01.22)	專題展示

5. 成績查詢

Last update: 2012 Sept.