Kategorie: Information Retrieval +

Information Retrieval Vorlesung

Ghislain Fourny, senior scientist in the Department of Computer Science at ETH Zurich, hat Folge von 30 Vorlesungen zu Information Retrieval gehalten: Ghislain Fourny’s lectures:
Introduction (1/2) – Information Retrieval – ETH Zurich – Spring 2024
Introduction (2/2) – Information Retrieval – ETH Zurich – Spring 2024
Boolean retrieval (1/2) – Information Retrieval – ETH Zurich – Spring 2024
Boolean retrieval (2/2) – Information Retrieval – ETH Zurich – Spring 2024
Term vocabulary (1/3) – Information Retrieval – ETH Zurich – Spring 2024
Term vocabulary (2/3) – Information Retrieval – ETH Zurich – Spring 2024
Term vocabulary (3/3) – Information Retrieval – ETH Zurich – Spring 2024
Tolerant retrieval (1/4) – Information Retrieval – ETH Zurich – Spring 2024
Tolerant retrieval (2/4) – Information Retrieval – ETH Zurich – Spring 2024
Tolerant retrieval (3/4) – Information Retrieval – ETH Zurich – Spring 2024
Tolerant retrieval (4/4) – Information Retrieval – ETH Zurich – Spring 2024
Index construction (1/3) – Information Retrieval – ETH Zurich – Spring 2024
Index construction (2/3) – Information Retrieval – ETH Zurich – Spring 2024
Index construction (3/3) – Information Retrieval – ETH Zurich – Spring 2024
Index compression (1/3) – Information Retrieval – ETH Zurich – Spring 2024
Index compression (2/3) – Information Retrieval – ETH Zurich – Spring 2024
Index compression (3/3) – Information Retrieval – ETH Zurich – Spring 2024
Vector space model (1/2) – Information Retrieval – ETH Zurich – Spring 2024
Vector space model (2/2) – Information Retrieval – ETH Zurich – Spring 2024
Vector databases (1/1) – Information Retrieval – ETH Zurich – Spring 2024
Evaluation (1/1) – Information Retrieval – ETH Zurich – Spring 2024
Probabilistic information retrieval (1/4) – Information Retrieval – ETH Zurich – Spring 2024
Probabilistic information retrieval (2/4) – Information Retrieval – ETH Zurich – Spring 2024
Probabilistic information retrieval (3/4) – Information Retrieval – ETH Zurich – Spring 2024
Probabilistic information retrieval (4/4) – Information Retrieval – ETH Zurich – Spring 2024
Language models (1/3) – Information Retrieval – ETH Zurich – Spring 2024
Language models (2/3) – Information Retrieval – ETH Zurich – Spring 2024
Language models (3/3) – Information Retrieval – ETH Zurich – Spring 2024
Wrap up (1/2) – Information Retrieval – ETH Zurich – Spring 2024
Wrap up (2/2) – Information Retrieval – ETH Zurich – Spring 2024

Zeitschrifteninhaltssuche

Jürgen Plieninger (19. Januar 2025). Zeitschriftenartikelinhaltssuche JURN ist gewandert. netbib. Abgerufen am 20. Januar 2025 von https://netbib.hypotheses.org/78644844
„Wenn man im Inhalt von Zeitschriftenartikeln suchen will, kann man DOAJ verwenden, das allerdings einen Schwerpunkt auf englischsprachigen Open Access-Journals setzt. Möglich ist auch die Suche in Google, wenn man ein spezifisches Journal durchsuchen will, indem man mit site: dessen URL angibt und dann die Suchwörter anschließt. Wenn man frei zugängliche Journals im Netz suchen will, gibt es noch JURN, dessen URL wieder geändert wurde. – Alles drei probate Mittel, wenn man an keine Uni angeschlossen ist und keine lizenzierten Datenbanken zur Hand hat.“

Open Alex

„OpenAlex ist eine bibliografische Datenbank der Non-Profit-Organisation OurResearch, die nach der Bibliothek von Alexandria benannt wurde. OpenAlex enthält die Metadaten von wissenschaftlichen Publikationen, Zeitschriften, Autoren und Institutionen und arbeitet nach den Prinzipien von Open Data. OpenAlex wurde am 3. Januar 2022 gestartet und bietet eine Alternative zu kommerziellen Datenbanken wie Scopus oder Web of Science.“ OpenAlex (Wikipedia)
Einen ausführlichen Erfahrungsbericht zu OpenAlex findet sich bei Heike Baller: OpenAlex – mein zweiter Test, Profi-Wissen

Future of Information Retrieval Research in the Age of Generative AI

James Allan (University of Massachusetts Amherst), Eunsol Choi (University of Texas at Austin New York University), Daniel P. Lopresti (Lehigh University CCC), Hamed Zamani (University of Massachusetts Amherst): Workshop Report: “Future of Information Retrieval Research in the Age of Generative AI”. The report linked to below was published by the Computing Community Consortium (CCC) from the Computing Research Association (CRA). 04.12.2024

KI-gestützte Literaturrecherche

BBF DHELab 6/24: KI-gestützte Literaturrecherche 18.07.2024 (Youtube-Video)
„Am 28.06.2024 hat Michael Freiberg (Fachreferat Germanistik & Informationsmanagement, Universitätsbibliothek Gießen) in der Reihe „Last Friday’s Lab Talk“ des Digital History of Education DHELab der BBF | Bibliothek für Bildungsgeschichtliche Forschung des DIPF KI-gestützte Angebote zur Literaturrecherche vorgestellt.
Die Suchportale von Anbietern wie Semantic Scholar oder Elicit wurden kurz präsentiert und ihre wichtigsten Features getestet. Anschließend wurden die Rechercheergebnisse im Vergleich zur klassischen Literaturrecherche kritisch bewertet.“

Künstliche Intelligenz in der Literaturrecherche

Friedrich Quaasdorf (Deutsche Nationalbibliothek): Künstliche Intelligenz in der Literaturrecherche, Studentisches Magazin der HAW Hamburg Bd. 5 Nr. 2 (2024): „Lassen sich ChatGPT von OpenAI, der Copilot von Microsofts Suchmaschine Bing und Googles Gemini für die Literaturrecherche verwenden? Ausgehend von der Frage, inwieweit sich über Große Sprachmodelle Fakten ermitteln lassen, zeigt der Beitrag, dass eine direkte Recherche von Literatur über Künstliche Intelligenz (KI) (noch) nicht zuverlässig möglich ist. Die Stärken von KI lassen sich jedoch nutzen, indem Listen von Suchbegriffen erstellt werden, die zur weiteren Recherche genutzt werden können.“

Kritik an Google Scholar

Aaron Tay: Why EXACTLY is Google Scholar bad for evidence synthesis, systematic reviews?, in: Aaron Tay’s Musings about librarianship 12.05.2024
1. Google Scholar ranks at most 1,000 results.
2. Google Scholar has no official bulk export function
3. Google Scholar lacks features needed for high recall, high precision searching.
4. Google Scholar is not a database?!?! or Google Scholar crawls the web so it’s index is unstable
5. Google Scholar is a black box, the algorithm is not transparent or known
6. We do not understand how Google Scholar works, results are not interpretable or explainable
7. Google Scholar is just not reproducible

Buchseite 2 von 5
1 2 3 4 5