TDDD02 Språkteknologi för informationssökning / Textsammanfattning. Marco Kuhlmann Institutionen för datavetenskap

Storlek: px
Starta visningen från sidan:

Download "TDDD02 Språkteknologi för informationssökning / Textsammanfattning. Marco Kuhlmann Institutionen för datavetenskap"

Transkript

1 TDDD02 Språkteknologi för informationssökning / 2015 Textsammanfattning Marco Kuhlmann Institutionen för datavetenskap

2 Textsammanfattning Textsammanfattning går ut på att extrahera den mest relevanta informationen ur en text för att producera en förkortad version.

3 Typiska sammanfattningar översikt för godtyckliga dokument sammandrag för vetenskapliga artiklar rubriker för nyhetstexter textutdrag vid webbsökning svar på komplexa frågor

4 Två dimensioner inom textsammanfattning Ett versus flera dokument Finns den relevanta informationen i ett dokument eller är den utspridd över flera dokument? Generiska versus specifika sammanfattningar Finns det en tilltänkt användare eller ett tydligt kommunicerat informationsbehov? Extrakt versus abstrakt

5 En nyhetstext Dagens Nyheter Möbeljätten Ikea planerar att bli dubbelt så stort år För att uppnå målet ökar bolaget etableringstakten som ska sätta fart på omsättningen, rapporterar Dagens Industri. I dagsläget öppnar Ikea 10 nya varuhus om året. Exakt hur många varuhus som ska öppnas varje år framöver är inte klart men etableringstakten väntas mer än fördubblas med 25 nya varuhus varje år, enligt uppgifter till DI. På åtta år innebär det att mellan 160 och 200 nya varuhus ska öppnas. Ett kalas som beräknas kosta över 100 miljarder kronor.

6 Extrakt och abstrakt Extrakt Möbeljätten Ikea planerar att bli dubbelt så stort år Exakt hur många varuhus som ska öppnas varje år framöver är inte klart men etableringstakten väntas mer än fördubblas med 25 nya varuhus varje år. På åtta år innebär det att mellan 160 och 200 nya varuhus ska öppnas. Abstrakt Ikea planerar att bli dubbelt så stort år För att uppnå målet ökar bolaget etableringstakten från 10 till 25 nya varuhus per år. Kostnaderna under de närmaste åtta åren beräknas till över 100 miljarder kronor.

7

8 Delproblem i ett extraktionsbaserat system Innehållsurval Välj ut de mest centrala meningarna ur dokumentet. Informationsordning Välj en ordning för de utvalda meningarna. Meningsrealisering Fixa till meningarna så att texten blir koherent.

9 Syntaktisk och retorisk struktur Texter har en syntaktisk och en retorisk struktur som kan utnyttjas när man ämnar skapa kortare texter.

10 Kandidater för förkortning av meningar appositives Rajam, 28, an artist who was living at the time in Philadelphia, found the inspiration in the back of city magazines. attribution clauses Rebels agreed to talks with government officials, international observers said Tuesday. prepositional phrases without named entities The fishing restrictions in Washington will not be lifted unless the salmon population increases to a sustainable number. initial adverbials For example, On the other hand, As a matter of fact Jurafsky och Martin (2009), s. 796

11 Innehållsurval

12 Innehållsurval Innehållsurval kan formuleras som ett klassifikationsproblem. antingen extrahera eller inte extrahera En idé är att extrahera de meningar som innehåller de för texten mest karakteristiska orden. ordbaserat innehållsurval Varje ord i en mening får en poängsiffra; meningarna rankas sedan baserat på deras totala poäng, delad med antalet ord.

13 Kriterier för ordbaserat innehållsurval Metod 1: Ordfrekvens Metod 2: Tf idf Metod 3: Log-likelihood ratio

14 Metod 1: Ordfrekvens En enkel idé är att välja ut de meningar som innehåller många ord som förekommer ofta i dokumentsamlingen. Men ett ord kan ha en hög frekvens i dokumentsamlingen utan att vara särskilt karakteristiskt för ämnet. stoppord

15 Metod 2: Tf idf Istället för endast frekvens kan vi använda tf idf. tf idf(w, d) = tf(w, d) idf(w) Måttet ger hög vikt till ord som förekommer relativt ofta i det aktuella dokumentet men relativt sällan i andra dokument. En hög tf idf-vikt tolkas som ett tecken på att ordet är karakteristiskt för dokumentet.

16 Påminnelse: Invers dokumentfrekvens Den inversa dokumentfrekvensen för en term t är definierad som idf(t) = log N df(t) N = totala antalet dokument i samlingen df(t) = antalet dokument som innehåller termen t

17 Metod 3: Log-likelihood ratio Måttet log-likelihood ratio ställer två hypoteser mot varandra: Hypotes 1: Ordet w är lika vanligt i det aktuella dokumentet d som i hela dokumentsamlingen D (= inte särskilt karakteristiskt). P(w d) = P(w D) Hypotes 2: Ordet w är inte lika vanligt i det aktuella dokumentet d som i hela dokumentsamlingen D (= karakteristiskt). P(w d) P(w D) Sannolikheterna P(w d) och P(w D) kan skattas via MLE.

18 Textdokument som myntkast Vi har ett dokument d bestående av n stycken ord. Hur stor är sannolikheten att se ett visst ord w exakt k gånger i d? För att förenkla saken antar vi att sannolikheten p för att se w är oberoende av alla andra sannolikheter. Den beror t.ex. inte på de andra orden i dokumentet. Då är sannolikheten för att se w exakt k gånger samma som sannolikheten för att se k stycken kronor när vi kastar ett mynt n gånger och myntet visar krona med sannolikhet p.

19 Binomialfördelningen (n = 10, p = 0,5) 32 % 24 % 16 % 8 % 0 %

20 Att ställa två hypoteser mot varandra 32 % 24 % p = 20% p = 80% 16 % 8 % 0 %

21 Metod 3: Log-likelihood ratio Hypotes 1: Sannolikheten för att se k förekomster av w ges av en binomialfördelning med parameter P(w D). Hypotes 2: Sannolikheten för att se k förekomster av w ges av en binomialfördelning med parameter P(w d). Likelihood-kvoten är kvoten mellan dessa två värden.

22 Metod 3: Log-likelihood ratio Likelihood-kvoten säger oss hur mycket mera sannolikt vår observation av w är under hypotes H 1 än under hypotes H 2. En hög likelihood-kvot talar för hypotes H 1, dvs. att ordet w inte är karakteristiskt för dokumentet. En låg likelihood-kvot talar för hypotes H 2, dvs. att ordet w är karakteristiskt för dokumentet.

23 Metod 3: Log-likelihood ratio För att ranka meningarna i ett dokument: För varje mening och varje ord w i denna mening, beräkna score(w) = 1 score(w) = 0 om likelihood-kvoten för w är tillräcklig hög annars Räkna ut en poängsiffra för hela meningen genom att dela poängsumman med antalet ord i meningen.

24 Kriterier för ordbaserat innehållsurval Metod 1: Ordfrekvens Metod 2: Tf idf Metod 3: Log-likelihood ratio

25 Innehållsurval baserat på centralitet Vid dokumentsökning har vi använt avstånd mellan vektorer för att kvantifiera likheten mellan dokument. För att använda samma idé på textsammanfattning räknar vi först ut textens centralvektor. Räkna ut en vektor för varje mening och ta medelvärdena. Extrahera de meningar ur texten vars vektorer ligger närmast centralvektorn.

26 Liten vinkel, stor likhet d 1 d 2 θ sim(d 1, d 2 ) = cos θ

27 Utvärdering av sammanfattningssystem

28 Utvärdering av sammanfattningssystem Precis som andra språkteknologiska system kan system för textsammanfattning utvärderas antingen in vivo eller in vitro. Exempel på in vivo-utvärdering: Testpersoner samlar in information om ett givet ämne inom en given tidsram. Presterar de bättre om de har tillgång till dokumentsammanfattningar? Det vanligaste måttet för in vitro-utvärdering av sammanfattningssystem heter ROUGE.

29 ROUGE-n ROUGE = Recall-Oriented Understudy for Gisting Evaluation antal gemensamma n-gram mellan system och referenstext antal n-gram i referenstexten

30 Exempel på utvärdering med ROUGE-2 Referenstext Möbeljätten Ikea planerar att bli dubbelt så stort år På åtta år innebär det att mellan 160 och 200 nya varuhus ska öppnas. Systemtext Möbeljätten Ikea ska bli dubbelt så stort år Tusentals människor kommer att behöva anställas. antal 2-gram: 23 6 överlappande 2-gram ROUGE-2: 6/23

31 Fråga Hur skulle du kunna fuska i en utvärdering baserad på ROUGE-1?

32 Sammanfattning: Textsammanfattning Textsammanfattning går ut på att extrahera den mest relevanta informationen ur en text för att producera en förkortad version. Centrala begrepp: log-likelihood-kvot, centralitet, ROUGE Jag har fokuserat på extraktionsbaserade textsammanfattningssystem för enstaka dokument.

33 Hur kan en dator förstå vad ord betyder?

34 You shall know a word by the company it keeps. John Rupert Firth (1957)

35 Målord och kontextord krona tron regera Sverige match mål spela drottning kung fotboll bandy

36 Ordvektorer = rader i ord ord-matrisen krona tron regera Sverige match mål spela drottning kung fotboll bandy

37 Ord som vektorer krona drottning kung fotboll Sverige

38 Problem: Stort och glest krona tron regera Sverige match mål spela drottning kung fotboll bandy

39 Neuronnät vikt 1 invärden + utvärde vikt 2

40 Neuronnät regerar krona drottning spelar match

41 Neuronnät regerar 1 krona drottning spelar 0 + match 0

42 Neuronnät regerar 1 krona drottning spelar match 0

43 Att räkna med ordvektorer kvinna drottning man kung

44 A är till B som C är till D drottning kung kvinna man Stockholm Berlin Sverige Tyskland cykla cyklade gå gick tung tyngre lätt lättare Prova själv: https://code.google.com/p/word2vec/

45 Tillämpningar av ordvektorer Som teknik för att föreslå synonymer och andra semantiskt relaterade ord. Som teknik för att automatiskt skapa ontologier (kunskapshierarkier) från en textmängd. Som utgångspunkt för mera avancerade tekniker. indata till artificiella neuronnät för ordklasstaggning, parsning, sentimentanalys, maskinöversättning,

TDDD02 Föreläsning 7 HT-2013

TDDD02 Föreläsning 7 HT-2013 TDDD02 Föreläsning 7 HT-2013 Textsammanfattning Lars Ahrenberg Litt: Våge et al.170-185; Das & Martins, A Survey on Automatic Text Summarization sid 1-4, 11-14, 23-25. Översikt Textstruktur Problemet textsammanfattning

Läs mer

TDDD02 Språkteknologi för informationssökning (2016) Ordpredicering. Marco Kuhlmann Institutionen för datavetenskap

TDDD02 Språkteknologi för informationssökning (2016) Ordpredicering. Marco Kuhlmann Institutionen för datavetenskap TDDD02 Språkteknologi för informationssökning (2016) Ordpredicering Marco Kuhlmann Institutionen för datavetenskap Ordpredicering Ordpredicering innebär att föreslå eller välja ord i en given kontext.

Läs mer

TDDD02 Språkteknologi för informationssökning / Ordpredicering. Marco Kuhlmann Institutionen för datavetenskap

TDDD02 Språkteknologi för informationssökning / Ordpredicering. Marco Kuhlmann Institutionen för datavetenskap TDDD02 Språkteknologi för informationssökning / 2015 Ordpredicering Marco Kuhlmann Institutionen för datavetenskap Ordpredicering Ordpredicering innebär att föreslå eller välja ord i en given kontext.

Läs mer

Tentamen 2016-01-13. Marco Kuhlmann

Tentamen 2016-01-13. Marco Kuhlmann TDDD02 Språkteknologi för informationssökning (2015) Tentamen 2016-01-13 Marco Kuhlmann Denna tentamen består av 10 frågor. Frågorna 8 10 ligger på en högre kunskapsnivå än de övriga och kräver utförliga

Läs mer

Tentamen Del A. Marco Kuhlmann

Tentamen Del A. Marco Kuhlmann TDDD01 Språkteknologi (2016) Tentamen 2016-03-16 Marco Kuhlmann Tentamen består två delar, A och B. Varje del omfattar ett antal frågor à 3 poäng. Del A omfattar 8 frågor som kan besvaras kortfattat. Det

Läs mer

FriendlyReader. Språkteknologi för sammanfattningar och ökad läsbarhet. Målgruppsegmentering. Arbetsgång

FriendlyReader. Språkteknologi för sammanfattningar och ökad läsbarhet. Målgruppsegmentering. Arbetsgång FriendlyReader Språkteknologi för sammanfattningar och ökad läsbarhet Mål:! Öka den digitala delaktigheten genom att underlätta för personer med lässvårigheter att tillgodogöra sig textuellt baserad information

Läs mer

Lingvistiska grundbegrepp

Lingvistiska grundbegrepp 729G09 Språkvetenskaplig databehandling (2016) Lingvistiska grundbegrepp Marco Kuhlmann Institutionen för datavetenskap Vad är korpuslingvistik? Korpuslingvistik handlar om att undersöka språkvetenskapliga

Läs mer

Grundläggande textanalys. Joakim Nivre

Grundläggande textanalys. Joakim Nivre Grundläggande textanalys Joakim Nivre Om kursen Ni har hittills läst Lingvistik Datorteknik Matematik Språkteknologiska tillämpningar Nu ska vi börja med språkteknologi på allvar Hur gör man text hanterbar

Läs mer

Inlämningsuppgift : Finn. 2D1418 Språkteknologi. Christoffer Sabel E-post: csabel@kth.se 1

Inlämningsuppgift : Finn. 2D1418 Språkteknologi. Christoffer Sabel E-post: csabel@kth.se 1 Inlämningsuppgift : Finn 2D1418 Språkteknologi Christoffer Sabel E-post: csabel@kth.se 1 1. Inledning...3 2. Teori...3 2.1 Termdokumentmatrisen...3 2.2 Finn...4 3. Implementation...4 3.1 Databasen...4

Läs mer

Linköpings Universitet Artificiell Intelligens II 729G11 HT QA- system. Anders Janson

Linköpings Universitet Artificiell Intelligens II 729G11 HT QA- system. Anders Janson Linköpings Universitet Artificiell Intelligens II 729G11 HT 2011 QA- system Anders Janson 861128-6918 andja338@student.liu.se Sammanfattning Inom denna uppsats tar jag upp Question Answering system, som

Läs mer

Introduktion till språkteknologi

Introduktion till språkteknologi Introduktion till språkteknologi OH-serie 9: informationshantering http://stp.lingfil.uu.se/~matsd/uv/uv08/ist/ Informationshantering Hjälpa en användare att söka efter dokument eller information i dokumentsamlingar.

Läs mer

Omvärldsbevakning. Sammanfattning av Business Intelligence-kursen. Nyhetsarkiv och källork. Hämta webbnyheter. Modeller över texter

Omvärldsbevakning. Sammanfattning av Business Intelligence-kursen. Nyhetsarkiv och källork. Hämta webbnyheter. Modeller över texter Sammanfattning av Business Intelligence-kursen Hercules Dalianis DSV-SU-KTH e-post:hercules@kth.se Omvärldsbevakning Påverkan från omvärlden Påverka omvärlden Tidigare långsam spridning papperstidningar,

Läs mer

TDDD02 Språkteknologi för informationssökning (2016) Semantisk analys. Marco Kuhlmann Institutionen för datavetenskap

TDDD02 Språkteknologi för informationssökning (2016) Semantisk analys. Marco Kuhlmann Institutionen för datavetenskap TDDD02 Språkteknologi för informationssökning (2016) Semantisk analys Marco Kuhlmann Institutionen för datavetenskap Semantik pragmatik semantik analys generering syntax morfologi Denna föreläsning ordbetydelsebestämning

Läs mer

Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014).

Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014). UPPSALA UNIVERSITET Matematik för språkteknologer (5LN445) Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014). 9 Sannolikhet Detta kapitel

Läs mer

Innehåll. Informationssökning språkteknologiska hjälpmedel

Innehåll. Informationssökning språkteknologiska hjälpmedel Informationssökning språkteknologiska hjälpmedel Hercules Dalianis NADA-KTH Email: hercules@kth.se Tel: 08-790 91 05 http://www.nada.kth.se/~hercules Hercules Dalianis sid 1 Innehåll Sökmotor Stemming,

Läs mer

1. Compute the following matrix: (2 p) 2. Compute the determinant of the following matrix: (2 p)

1. Compute the following matrix: (2 p) 2. Compute the determinant of the following matrix: (2 p) UMEÅ UNIVERSITY Department of Mathematics and Mathematical Statistics Pre-exam in mathematics Linear algebra 2012-02-07 1. Compute the following matrix: (2 p 3 1 2 3 2 2 7 ( 4 3 5 2 2. Compute the determinant

Läs mer

TDDD02 Språkteknologi för informationssökning (2016) Textklassificering. Marco Kuhlmann Institutionen för datavetenskap

TDDD02 Språkteknologi för informationssökning (2016) Textklassificering. Marco Kuhlmann Institutionen för datavetenskap TDDD02 Språkteknologi för informationssökning (2016) Textklassificering Marco Kuhlmann Institutionen för datavetenskap Textklassificering Skräppostfiltrering spam ham Författaridentifiering Alexander Hamilton

Läs mer

Detta dokument innehåller anvisningar för upprättande av en sökplan i kursen TDDD39 Perspektiv på informationsteknologi.

Detta dokument innehåller anvisningar för upprättande av en sökplan i kursen TDDD39 Perspektiv på informationsteknologi. Sökplan TDDD39 Perspektiv på informationsteknologi Detta dokument innehåller anvisningar för upprättande av en sökplan i kursen TDDD39 Perspektiv på informationsteknologi. Anvisningar Sökplanen påbörjas

Läs mer

Informationssökning och -utvinning. Informationssökning och informationsutvinning. [IR & IE] Introduktion (1) [IR & IE] Introduktion (2)

Informationssökning och -utvinning. Informationssökning och informationsutvinning. [IR & IE] Introduktion (1) [IR & IE] Introduktion (2) Informationssökning och -utvinning Informationssökning och informationsutvinning Kristina Nilsson, kristina.nilsson@ling.su.se 2006-11-06: MOTIST, UU 1. Informationssökning (Information Retrieval, IR)

Läs mer

5 Linjär algebra. 5.1 Addition av matriser 5 LINJÄR ALGEBRA

5 Linjär algebra. 5.1 Addition av matriser 5 LINJÄR ALGEBRA 5 LINJÄR ALGEBRA 5 Linjär algebra En kul gren av matematiken som inte fått speciellt mycket utrymme i gymnasiet men som har många tillämpningsområden inom t.ex. fysik, logistik, ekonomi, samhällsplanering

Läs mer

- ett statistiskt fråga-svarsystem

- ett statistiskt fråga-svarsystem - ett statistiskt fråga-svarsystem 2010-09-28 Artificiell intelligens II Linnea Wahlberg linwa713 1 Innehåll Introduktion... 1 Grundprinciper för asked!... 2 Retrieval model... 4 Filter model... 6 Komponenter...

Läs mer

Linjär Algebra, Föreläsning 9

Linjär Algebra, Föreläsning 9 Linjär Algebra, Föreläsning 9 Tomas Sjödin Linköpings Universitet Euklidiska rum Vi ska nu införa en extra struktur på vektorrum, en så kallad skalärprodukt, vilken vi kan använda för att definiera längd

Läs mer

Sannolikhetsbegreppet

Sannolikhetsbegreppet Kapitel 3 Sannolikhetsbegreppet Betrakta följande försök: Ett symmetriskt mynt kastas 100 gånger och antalet krona observeras. Antal kast 10 20 30 40 50 60 70 80 90 100 Antal krona 6 12 16 21 25 30 34

Läs mer

Marco Kuhlmann, Institutionen för datavetenskap, Linköpings universitet 17 mars 2014

Marco Kuhlmann, Institutionen för datavetenskap, Linköpings universitet 17 mars 2014 Tentamen Marco Kuhlmann, Institutionen för datavetenskap, Linköpings universitet marco.kuhlmann@liu.se 17 mars 2014 Inga hjälpmedel är tillåtna. Maximal poäng finns angiven för varje fråga. Maximal poäng

Läs mer

Självkoll: Ser du att de två uttrycken är ekvivalenta?

Självkoll: Ser du att de två uttrycken är ekvivalenta? ANTECKNINGAR TILL RÄKNEÖVNING 1 & - LINJÄR ALGEBRA För att verkligen kunna förstå och tillämpa kvantmekaniken så måste vi veta något om den matematik som ligger till grund för formuleringen av vågfunktionen

Läs mer

Kravspecifikation Fredrik Berntsson Version 1.3

Kravspecifikation Fredrik Berntsson Version 1.3 Kravspecifikation Fredrik Berntsson Version 1.3 Status Granskad FB 2017-01-27 Godkänd FB 2017-01-27 Dokumenthistorik Version Datum Utförda ändringar Utförda av Granskad 1.0 2014-01-15 Första versionen

Läs mer

ORDKLASSTAGGNING. Marco Kuhlmann Institutionen för datavetenskap

ORDKLASSTAGGNING. Marco Kuhlmann Institutionen för datavetenskap ORDKLASSTAGGNING Marco Kuhlmann Institutionen för datavetenskap Ordpredicering n-gram-modeller (definition, skattning) den brusiga kanalen: P(R F) = P(F R) P(R) redigeringsavstånd, Levenshtein-avstånd

Läs mer

Övningshäfte 2: Komplexa tal

Övningshäfte 2: Komplexa tal LMA100 VT007 ARITMETIK OCH ALGEBRA DEL Övningshäfte : Komplexa tal Övningens syfte är att bekanta sig med komplexa tal. De komplexa talen, som är en utvidgning av de reella talen, kom till på 1400 talet

Läs mer

Textsammanfattning. En uppsats i kursen Språkteknologi, 2D1418. höstterminen Carolin Jonsson. kursledare: Hercules Dalianis

Textsammanfattning. En uppsats i kursen Språkteknologi, 2D1418. höstterminen Carolin Jonsson. kursledare: Hercules Dalianis Textsammanfattning En uppsats i kursen Språkteknologi, 2D1418 höstterminen 2001 av d98-cjo@d.kth.se kursledare: Hercules Dalianis Sammanfattning I denna uppsats beskrivs kortfattat vad automatisk, d v

Läs mer

Tekniker för storskalig parsning

Tekniker för storskalig parsning Tekniker för storskalig parsning Introduktion Joakim Nivre Uppsala Universitet Institutionen för lingvistik och filologi joakim.nivre@lingfil.uu.se Tekniker för storskalig parsning 1(18) Kursöversikt Kursnamn:

Läs mer

Riktlinjer för bedömning av examensarbeten

Riktlinjer för bedömning av examensarbeten Fastställda av Styrelsen för utbildning 2010-09-10 Dnr: 4603/10-300 Senast reviderade 2012-08-17 Riktlinjer för bedömning av Sedan 1 juli 2007 ska enligt högskoleförordningen samtliga yrkesutbildningar

Läs mer

Robotarm och algebra

Robotarm och algebra Tekniska Högskolan i Linköping Institutionen för Datavetenskap (IDA) Torbjörn Jonsson 2010-12-07 Robotarm och algebra I denna laboration skall du lära dig lite mer om möjlighetera att rita ut mer avancerade

Läs mer

6. Matriser Definition av matriser 62 6 MATRISER. En matris är ett rektangulärt schema av tal: a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n A =

6. Matriser Definition av matriser 62 6 MATRISER. En matris är ett rektangulärt schema av tal: a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n A = 62 6 MATRISER 6 Matriser 6 Definition av matriser En matris är ett rektangulärt schema av tal: A a a 2 a 3 a n a 2 a 22 a 23 a 2n a m a m2 a m3 a mn Matrisen A säges vara av typ m n, där m är antalet rader

Läs mer

Övningshäfte 2: Komplexa tal (och negativa tal)

Övningshäfte 2: Komplexa tal (och negativa tal) LMA110 VT008 ARITMETIK OCH ALGEBRA DEL Övningshäfte : Komplexa tal (och negativa tal) Övningens syfte är att bekanta sig med komplexa tal och att fundera på några begreppsliga svårigheter som negativa

Läs mer

Är SD Sveriges största parti? Jakob Bergman & Björn Holmquist Statistiska institutionen, Lunds universitet

Är SD Sveriges största parti? Jakob Bergman & Björn Holmquist Statistiska institutionen, Lunds universitet Är SD Sveriges största parti? Jakob Bergman & Börn Holmquist Statistiska institutionen, Lunds universitet Sammanfattning Den augusti 5 hävdade dagstidningen Metro att Sverigedemokraterna var Sveriges största

Läs mer

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare "Det finns inget så praktiskt som en bra teori" November 2011 Bakgrund Introduktion till test Introduktion Formulera lämplig hypotes Bestäm en testvariabel Bestäm en beslutsregel Fatta ett beslut När det

Läs mer

Multiplicera 7med A λ 1 I från vänster: c 1 (Av 1 λ 1 v 1 )+c 2 (Av 2 λ 1 v 2 )+c 3 (Av 3 λ 1 v 3 ) = 0

Multiplicera 7med A λ 1 I från vänster: c 1 (Av 1 λ 1 v 1 )+c 2 (Av 2 λ 1 v 2 )+c 3 (Av 3 λ 1 v 3 ) = 0 Diagonalisering Anm. Begreppet diagonaliserbarhet är relevant endast för linjära avbildningar mellan rum av samma dimension, d.v.s. sådana som representeras av kvadratiska matriser. När vi i fortsättningen

Läs mer

EasyReader (FriendlyReader)

EasyReader (FriendlyReader) EasyReader (FriendlyReader) Arne Jönsson, Sture Hägglund Mål Ø Öka den digitala delaktigheten genom att underlätta för personer med lässvårigheter att tillgodogöra sig textuellt baserad information på

Läs mer

Isolda Purchase - EDI

Isolda Purchase - EDI Isolda Purchase - EDI Document v 1.0 1 Table of Contents Table of Contents... 2 1 Introduction... 3 1.1 What is EDI?... 4 1.2 Sending and receiving documents... 4 1.3 File format... 4 1.3.1 XML (language

Läs mer

TDDD02 Föreläsning 6 HT-2013

TDDD02 Föreläsning 6 HT-2013 TDDD02 Föreläsning 6 HT-2013 QA: Frågebesvarande system Lars Ahrenberg Litteratur: Brill m.fl. An Analysis of the AskMSR QA system Översikt Definition och exempel Utvärdering Standardkomponenter i QA-system

Läs mer

Mer om analytisk geometri

Mer om analytisk geometri 1 Onsdag v 5 Mer om analytisk geometri Determinanter: Då man har en -matris kan man till den associera ett tal determinanten av som också skrivs Determinanter kommer att repeteras och studeras närmare

Läs mer

1 Mätdata och statistik

1 Mätdata och statistik Matematikcentrum Matematik NF Mätdata och statistik Betrakta frågeställningen Hur mycket väger en nyfödd bebis?. Frågan verkar naturlig, men samtidigt mycket svår att besvara. För att ge ett fullständigt

Läs mer

Datorövning 1 Fördelningar

Datorövning 1 Fördelningar Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF20: MATEMATISK STATISTIK, ALLMÄN KURS, 7.5HP FÖR E, HT-15 Datorövning 1 Fördelningar I denna datorövning ska du utforska begreppen sannolikhet

Läs mer

Version 0.82. Linjär algebra kapiltet från ett ODE-kompendium. Mikael Forsberg

Version 0.82. Linjär algebra kapiltet från ett ODE-kompendium. Mikael Forsberg Version.8 Linjär algebra kapiltet från ett ODE-kompendium Mikael Forsberg 8 Den här boken är typsatt av författaren med hjälp av L A TEX. Alla illustrationer är utförda av Mikael Forsberg med hjälp av

Läs mer

Tekniker för storskalig parsning

Tekniker för storskalig parsning Tekniker för storskalig parsning Grundläggande begrepp och metoder Joakim Nivre Uppsala Universitet Institutionen för lingvistik och filologi joakim.nivre@lingfil.uu.se Tekniker för storskalig parsning

Läs mer

Block 2 Algebra och Diskret Matematik A. Följder, strängar och tal. Referenser. Inledning. 1. Följder

Block 2 Algebra och Diskret Matematik A. Följder, strängar och tal. Referenser. Inledning. 1. Följder Block 2 Algebra och Diskret Matematik A BLOCK INNEHÅLL Referenser Inledning 1. Följder 2. Rekursiva definitioner 3. Sigmanotation för summor 4. Strängar 5. Tal 6. Övningsuppgifter Referenser Följder, strängar

Läs mer

Tentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.''

Tentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.'' Tentamen'i'TMA321'Matematisk'Statistik,'Chalmers'Tekniska'Högskola.'' Hjälpmedel:'Valfri'räknare,'egenhändigt'handskriven'formelsamling'(4''A4Esidor'på'2'blad)' och'till'skrivningen'medhörande'tabeller.''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''

Läs mer

Make a speech. How to make the perfect speech. söndag 6 oktober 13

Make a speech. How to make the perfect speech. söndag 6 oktober 13 Make a speech How to make the perfect speech FOPPA FOPPA Finding FOPPA Finding Organizing FOPPA Finding Organizing Phrasing FOPPA Finding Organizing Phrasing Preparing FOPPA Finding Organizing Phrasing

Läs mer

Abstrakt algebra för gymnasister

Abstrakt algebra för gymnasister Abstrakt algebra för gymnasister Veronica Crispin Quinonez Sammanfattning. Denna text är föreläsningsanteckningar från föredraget Abstrakt algebra som hölls under Kleindagarna på Institutet Mittag-Leffler

Läs mer

SNABBGUIDE. Telia Anita 20 Bruksanvisning. Bläddra bland lagrade telefonnummer. Radera ett nummer. Radera alla nummer

SNABBGUIDE. Telia Anita 20 Bruksanvisning. Bläddra bland lagrade telefonnummer. Radera ett nummer. Radera alla nummer SNABBGUIDE Bläddra bland lagrade telefonnummer Tryck eller en eller flera gånger. Radera ett nummer När numret visas i teckenrutan, tryck RADERA två gånger. Radera alla nummer Tryck eller. Håll RADERA

Läs mer

Föreläsning 13 Innehåll

Föreläsning 13 Innehåll Föreläsning 13 Innehåll Exempel på problem där materialet i kursen används Hitta k största bland n element Histogramproblemet Schemaläggning PFK (Föreläsning 13) VT 2013 1 / 15 Hitta k största bland n

Läs mer

EDAA01 Programmeringsteknik - fördjupningskurs

EDAA01 Programmeringsteknik - fördjupningskurs EDAA01 Programmeringsteknik - fördjupningskurs Läsperiod lp 1+2 (Ges även lp 3) 7.5 hp anna.axelsson@cs.lth.se sandra.nilsson@cs.lth.se http://cs.lth.se/edaa01ht Förkunskapskrav: Godkänd på obligatoriska

Läs mer

Hitta k största bland n element. Föreläsning 13 Innehåll. Histogramproblemet

Hitta k största bland n element. Föreläsning 13 Innehåll. Histogramproblemet Föreläsning 13 Innehåll Algoritm 1: Sortera Exempel på problem där materialet i kursen används Histogramproblemet Schemaläggning Abstrakta datatyper Datastrukturer Att jämföra objekt Om tentamen Skriftlig

Läs mer

Veckoblad 1, Linjär algebra IT, VT2010

Veckoblad 1, Linjär algebra IT, VT2010 Veckoblad, Linjär algebra IT, VT Under den första veckan ska vi gå igenom (i alla fall stora delar av) kapitel som handlar om geometriska vektorer. De viktigaste teoretiska begreppen och resultaten i kapitlet

Läs mer

Policy för öppen källkod RIV Tekniska Anvisningar

Policy för öppen källkod RIV Tekniska Anvisningar CeHis Arkitekturledning Sida: 1 (8) Policy för öppen källkod RIV Tekniska Anvisningar 2011-12-14 UTKAST ENDAST PRELIMINÄRT REGELVERK Sida 1 (8) CeHis Arkitekturledning Sida: 2 (8) Utgåvehistorik Utgåva

Läs mer

Allmän studieplan för utbildning på forskarnivå i Signal- och systemteknik

Allmän studieplan för utbildning på forskarnivå i Signal- och systemteknik Dnr: L 2015/93 Fastställd av FUN: 2015-06-04 Versionsnr: 3 Allmän studieplan för utbildning på forskarnivå i Signal- och systemteknik Området och ämnet Området Examensområdet informationsteknologi definieras

Läs mer

Vasaskolan [EN WORKSHOP I FORMALIA]

Vasaskolan [EN WORKSHOP I FORMALIA] 2011 Vasaskolan [EN WORKSHOP I FORMALIA] EN WORKSHOP I FORMALIA Använd dig av exempeltexten och gå noggrant igenom följande uppgifter. 1. Skapa en titelsida/försättsblad enligt mallen i Lathund för uppsatser.

Läs mer

hjälp av SAS Text Miner

hjälp av SAS Text Miner Enterprise Intelligence Customer Intelligence Supplier Intelligence Organizational Intelligence Intelligence Architecture Identifiera stora gömda värden i textbaserad information med hjälp av SAS Text

Läs mer

Modell och verklighet och Gy2011

Modell och verklighet och Gy2011 Modell och verklighet och Gy2011 Innehållet i Modell och verklighet stämmer väl överens med ämnesplanen och det centrala innehållet i Gy2011. I ämnesplanen för Kemi, www.skolverket.se, betonas att undervisningen

Läs mer

MEDIEKOMMUNIKATION. Ämnets syfte

MEDIEKOMMUNIKATION. Ämnets syfte MEDIEKOMMUNIKATION Ämnet mediekommunikation behandlar journalistikens, informationens och reklamens innehåll, villkor och roll i samhället. Inom ämnet studeras kommunikationsprocessens olika steg utifrån

Läs mer

Telia Anita 20i Nummerpresentatören med telesvarsindikation

Telia Anita 20i Nummerpresentatören med telesvarsindikation SNABBGUIDE Bläddra bland lagrade telefonnummer Tryck eller en eller flera gånger. Radera ett nummer När numret visas i teckenrutan, tryck RADERA två gånger. Radera alla nummer Tryck eller en gång. Håll

Läs mer

NATURVETENSKAPLIG SPETS INOM FÖRSÖKSVERKSAMHET MED RIKSREKRYTERANDE GYMNASIAL SPETSUTBILDNING

NATURVETENSKAPLIG SPETS INOM FÖRSÖKSVERKSAMHET MED RIKSREKRYTERANDE GYMNASIAL SPETSUTBILDNING NATURVETENSKAPLIG SPETS INOM FÖRSÖKSVERKSAMHET MED RIKSREKRYTERANDE GYMNASIAL SPETSUTBILDNING Ämnet naturvetenskaplig spets inom försöksverksamhet med riksrekryterande gymnasial spetsutbildning förbereder

Läs mer

För studenter på distans och campus Linjär algebra ma014a 2014 02 10. ATM-Matematik Mikael Forsberg 0734-41 23 31

För studenter på distans och campus Linjär algebra ma014a 2014 02 10. ATM-Matematik Mikael Forsberg 0734-41 23 31 ATM-Matematik Mikael Forsberg 734-4 3 3 För studenter på distans och campus Linjär algebra maa Skrivtid: 9:-:. Inga hjälpmedel. Lösningarna skall vara fullständiga och lätta att följa. Börja varje ny uppgift

Läs mer

Prestanda och skalbarhet

Prestanda och skalbarhet Prestanda och skalbarhet Grama et al. Introduction to Parallel Computing Kapitel 5 Erik Elmroth Översikt 2 Exekveringstid Uppsnabbning Effektivitet Kostnad Kostnadsoptimal algoritm Ahmdals lag Gustafson-Barsis

Läs mer

Probabilistisk logik 2

Probabilistisk logik 2 729G43 Artificiell intelligens / 2016 Probabilistisk logik 2 Marco Kuhlmann Institutionen för datavetenskap Översikt Probabilistiska modeller Probabilistisk inferens 1: Betingad sannolikhet Probabilistisk

Läs mer

Förändrade förväntningar

Förändrade förväntningar Förändrade förväntningar Deloitte Ca 200 000 medarbetare 150 länder 700 kontor Omsättning cirka 31,3 Mdr USD Spetskompetens av världsklass och djup lokal expertis för att hjälpa klienter med de insikter

Läs mer

1 Aylas bil har gått 14 999 kilometer. Hur långt har den (2) gått när hon har kört en kilometer till? 15 000

1 Aylas bil har gått 14 999 kilometer. Hur långt har den (2) gått när hon har kört en kilometer till? 15 000 Instruktion Instruktioner och kommentarer är desamma som i testet i den ursprungliga versionen. Här är ingående tal förändrade och i något fall är uppgiften omformulerad. Betona ordet ungefär i uppgift

Läs mer

Föreläsning 5: Dynamisk programmering

Föreläsning 5: Dynamisk programmering Föreläsning 5: Dynamisk programmering Vi betraktar en typ av problem vi tidigare sett: Indata: En uppsättning intervall [s i,f i ] med vikt w i. Mål: Att hitta en uppsättning icke överlappande intervall

Läs mer

Instruktioner - Datortentamen TDDD73 Funktionell och imperativ programmering i Python

Instruktioner - Datortentamen TDDD73 Funktionell och imperativ programmering i Python Instruktioner - Datortentamen TDDD73 Funktionell och imperativ programmering i Python Hjälpmedel Följande hjälpmedel är tillåtna: Exakt en valfri bok, t.ex. den rekommenderade kursboken. Boken får ha anteckningar,

Läs mer

Uppgift 1 ( Betyg 3 uppgift )

Uppgift 1 ( Betyg 3 uppgift ) 2008-03-25.kl.14-19 Uppgift 1 ( Betyg 3 uppgift ) Du skall skriva ett program (en funktion), my_plot_figure, som läser in ett antal sekvenser av koordinater från tangentbordet och ritar ut dessa till en

Läs mer

Introduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 2014-2015. Lektion 4

Introduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 2014-2015. Lektion 4 Introduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 014-015 Denna lektion ska vi studera rekursion. Lektion 4 Principen om induktion Principen om induktion är ett vanligt sätt att bevisa

Läs mer

ENGELSKA. Ämnets syfte. Kurser i ämnet

ENGELSKA. Ämnets syfte. Kurser i ämnet ENGELSKA Det engelska språket omger oss i vardagen och används inom skilda områden som kultur, politik, utbildning och ekonomi. Kunskaper i engelska ökar individens möjligheter att ingå i olika sociala

Läs mer

Dagens lektion. Mina forskningsintressen. Min bakgrund. Information Retrieval. Varför IR & disambiguering

Dagens lektion. Mina forskningsintressen. Min bakgrund. Information Retrieval. Varför IR & disambiguering Information retrieval & ordbetydelsedisambiguering Leif Grönqvist (leifg@ling.gu.se) Växjö universitet (Matematiska och systemtekniska institutionen) GSLT (Sveriges nationella forskarskola i språkteknologi)

Läs mer

Ämne - Engelska. Ämnets syfte

Ämne - Engelska. Ämnets syfte Ämne - Engelska Det engelska språket omger oss i vardagen och används inom skilda områden som kultur, politik, utbildning och ekonomi. Kunskaper i engelska ökar individens möjligheter att ingå i olika

Läs mer

Dokumentnamn Order and safety regulations for Hässleholms Kretsloppscenter. Godkänd/ansvarig Gunilla Holmberg. Kretsloppscenter

Dokumentnamn Order and safety regulations for Hässleholms Kretsloppscenter. Godkänd/ansvarig Gunilla Holmberg. Kretsloppscenter 1(5) The speed through the entire area is 30 km/h, unless otherwise indicated. Beware of crossing vehicles! Traffic signs, guardrails and exclusions shall be observed and followed. Smoking is prohibited

Läs mer

KPMG Stockholm, 2 juni 2016

KPMG Stockholm, 2 juni 2016 KPMG Stockholm, 2 juni 2016 Inställningen till skatt förändras fundamentalt ses inte längre bara som en kostnad som behöver hanteras Förväntningarna på transparens kring skatt ökar Skatt framförallt rättviseaspekter

Läs mer

TAMS65 - Föreläsning 6 Hypotesprövning

TAMS65 - Föreläsning 6 Hypotesprövning TAMS65 - Föreläsning 6 Hypotesprövning Martin Singull Matematisk statistik Matematiska institutionen Innehåll Exempel Allmän beskrivning P-värde Binomialfördelning Normalapproximation TAMS65 - Fö6 1/33

Läs mer

Debattartiklar rutiner och tips. 1. Inför debattproduktion. 2. Ramar att komma ihåg. 3. Källor

Debattartiklar rutiner och tips. 1. Inför debattproduktion. 2. Ramar att komma ihåg. 3. Källor Debattartiklar rutiner och tips Januari 2015 Debattartiklar är ett av de verktyg vi använder för att nå ut med våra frågor och opinionsbilda i de frågor vi arbetar med. Många inom organisationen anställda,

Läs mer

Writing with context. Att skriva med sammanhang

Writing with context. Att skriva med sammanhang Writing with context Att skriva med sammanhang What makes a piece of writing easy and interesting to read? Discuss in pairs and write down one word (in English or Swedish) to express your opinion http://korta.nu/sust(answer

Läs mer

729G17 Språkteknologi / Introduktion. Marco Kuhlmann Institutionen för datavetenskap

729G17 Språkteknologi / Introduktion. Marco Kuhlmann Institutionen för datavetenskap 729G17 Språkteknologi / 2016 Introduktion Marco Kuhlmann Institutionen för datavetenskap Vad är språkteknologi? Vad är språkteknologi? Språkteknologi är all teknologi som skapas för att förstå eller generera

Läs mer

Talhandlingsteori. Talhandlingar. Performativa yttranden. Semantikens fyrkantigt logiska syn på språket

Talhandlingsteori. Talhandlingar. Performativa yttranden. Semantikens fyrkantigt logiska syn på språket Talhandlingsteori Talhandlingar (talakter) analyserades i filosofiska teorier under 1950- och 1960-talet av filosoferna Austin och Searle. Talhandlingsteori betonar att språket används till mycket mer

Läs mer

PRÖVNINGSANVISNINGAR

PRÖVNINGSANVISNINGAR Prövning i Matematik 4 PRÖVNINGSANVISNINGAR Kurskod MATMAT04 Gymnasiepoäng 100 Läromedel Valfri aktuell lärobok för kurs Matematik 4 Skriftligt prov (4h) Muntligt prov Bifogas Provet består av två delar.

Läs mer

Inter IKEA Systems B.V. 2008 FRÅN EN LITEN STAD I SVERIGE TILL EN HEL VÄRLD AV BREVLÅDOR. ikea katalogen. IKEA.se

Inter IKEA Systems B.V. 2008 FRÅN EN LITEN STAD I SVERIGE TILL EN HEL VÄRLD AV BREVLÅDOR. ikea katalogen. IKEA.se Inter IKEA Systems B.V. 2008 FRÅN EN LITEN STAD I SVERIGE TILL EN HEL VÄRLD AV BREVLÅDOR. ikea katalogen IKEA.se Den 58:e IKEA katalogen trycks i 198 miljoner exemplar, på 27 språk och i 52 utgåvor. Den

Läs mer

Protokoll Föreningsutskottet 2013-10-22

Protokoll Föreningsutskottet 2013-10-22 Protokoll Föreningsutskottet 2013-10-22 Närvarande: Oliver Stenbom, Andreas Estmark, Henrik Almén, Ellinor Ugland, Oliver Jonstoij Berg. 1. Mötets öppnande. Ordförande Oliver Stenbom öppnade mötet. 2.

Läs mer

SKOLFS. beslutade den XXX 2017.

SKOLFS. beslutade den XXX 2017. 1 (11) Föreskrifter om ändring i Skolverkets föreskrifter (SKOLFS 2010:247) om ämnesplan för ämnet programmering i gymnasieskolan, inom kommunal vuxenutbildning på gymnasial nivå och inom vidareutbildning

Läs mer

ARTIFICIELLA NEURALA NÄT. MARCO KUHLMANN Institutionen för datavetenskap

ARTIFICIELLA NEURALA NÄT. MARCO KUHLMANN Institutionen för datavetenskap ARTIFICIELLA NEURALA NÄT MARCO KUHLMANN Institutionen för datavetenskap Example Alt Bar Fri Hun Pat Price Rain Res Type Est WillWait 1 Yes No No Yes Some $$$ No Yes French 0 10 Yes 2 Yes No No Yes Full

Läs mer

STRÄNGAR DATATYPEN. Om du vill baka in variabler eller escape-tecken måste du använda dubbla citattecken. strängar

STRÄNGAR DATATYPEN. Om du vill baka in variabler eller escape-tecken måste du använda dubbla citattecken. strängar STRÄNGAR En av de mest avancerade av de normala datatyperna är. Här skall vi grundläggande gå igenom hur den datatypen fungerar och vidare flertalet funktioner som hör till datatypen. Låt oss kasta oss

Läs mer

Grafer. 1 Grafer. Grunder i matematik och logik (2015) 1.1 Oriktade grafer. Marco Kuhlmann

Grafer. 1 Grafer. Grunder i matematik och logik (2015) 1.1 Oriktade grafer. Marco Kuhlmann Marco Kuhlmann 1 En graf är en struktur av prickar förbundna med streck. Ett tidsenligt exempel på en sådan struktur är ett social nätverk, där prickarna motsvarar personer och en streck mellan två prickar

Läs mer

Läsanvisningar och övningsuppgifter i MAA150, period vt Erik Darpö

Läsanvisningar och övningsuppgifter i MAA150, period vt Erik Darpö Läsanvisningar och övningsuppgifter i MAA150, period vt1 2015 Erik Darpö ii 0. Förberedelser Nedanstående uppgifter är avsedda att användas som ett självdiagnostiskt test. Om du har problem med att lösa

Läs mer

Partiell parsning Parsning som sökning

Partiell parsning Parsning som sökning Språkteknologi: Parsning Parsning - definition Parsningsbegrepp Chartparsning Motivering Charten Earleys algoritm (top-down chartparsning) Partiell parsning (eng. chunking) med reguljära uttryck / automater

Läs mer

Tentamen Matematisk grundkurs, MAGA60

Tentamen Matematisk grundkurs, MAGA60 MATEMATIK Karlstads universitet 2010-11-02, kl 8.15-13.15 Hjälpmedel: Inga Ansvarig lärare: Håkan Granath Tel: 2181, alt. 0735-37 37 34 Tentamen Matematisk grundkurs, MAGA60 För uppgift 1 skall endast

Läs mer

Equips people for better business

Equips people for better business Equips people for better business The Corn Philosophy When I was young, I used to spend time with my grandparents on their farm. One day my granddad asked me to fix the fence. Instead I went swimming with

Läs mer

DAMM VACUUM CLEANER 1030 4W, MEGA/F1, DOL PHIN, LASER, MIDI, CLARIO, D740, D746, D768, D780 SERVICE BUL LE TIN SV MOTOR TILL DAMMSUGARE FRÅN VÄSTERVIK

DAMM VACUUM CLEANER 1030 4W, MEGA/F1, DOL PHIN, LASER, MIDI, CLARIO, D740, D746, D768, D780 SERVICE BUL LE TIN SV MOTOR TILL DAMMSUGARE FRÅN VÄSTERVIK SERVICE BUL LE TIN DISTRIPARTS AB S- SWEDEN DAMM VACUUM CLEANER 1030 4W, MEGA/F1, DOL PHIN, LASER, MIDI, CLARIO, D740, D746, D768, D780 feb2000 SV MOTOR TILL DAMMSUGARE FRÅN VÄSTERVIK Produktinformation

Läs mer

Ersätta text, specialtecken och formatering

Ersätta text, specialtecken och formatering 11 Ersätta text, specialtecken och formatering Möjligheten att söka igenom dokumentet och byta ut tecken, ord, textstycken, formatering, specialtecken (t.ex. sidbrytning) och annat är faktiskt mycket mer

Läs mer

Passage Retrieval En studie av index

Passage Retrieval En studie av index MAGISTERUPPSATS I BIBLIOTEKS- OCH INFORMATIONSVETENSKAP VID BIBLIOTEKS- OCH INFORMATIONSVETENSKAP/BIBLIOTEKSHÖGSKOLAN 2005:36 ISSN 1404-0891 Passage Retrieval En studie av index LARS BJÖRKLUND LINDA BÄCKMAN

Läs mer

Söka artiklar i CSA-databaser Handledning

Söka artiklar i CSA-databaser Handledning På Malmö högskola har vi flera databaser via CSA, bl.a. Sociological Abstracts, Social Services Abstracts, ERIC och PsychInfo, det betyder att gränssnittet för dessa databaser ser likadana ut. Om du har

Läs mer

Matematisk Modellering

Matematisk Modellering Matematisk Modellering Föreläsning 1 Anders Heyden Matematikcentrum Lunds Universitet Matematisk Modellering p.1/37 Denna föreläsning (läsvecka 1) Vad handlar kursen om, mål, kurskrav, ide. Matematisk

Läs mer

1 LP-problem på standardform och Simplexmetoden

1 LP-problem på standardform och Simplexmetoden Krister Svanberg, mars 202 LP-problem på standardform och Simplexmetoden I detta avsnitt utgår vi från LP-formuleringen (2.2) från föreläsning. Denna form är den bäst lämpade för en strömlinjeformad implementering

Läs mer

Basbyte (variabelbyte)

Basbyte (variabelbyte) Basbyte (variabelbyte) En vektors koordinater beror på valet av bas! Tänk på geometriska vektorer här. v har längden 2 och pekar rakt uppåt i papprets plan. Kan vi då skriva v (, 2)? Om vi valt basvektorer

Läs mer