Falcon och QA- system generellt

Storlek: px
Starta visningen från sidan:

Download "Falcon och QA- system generellt"

Transkript

1 Falcon och QA- system generellt Ett projektarbete i kursen Artificiell Intelligens II, 729G11 Linköpings Universitet ht 2009 Sanna Heurlén sanhe399@student.liu.se

2 Sammanfattning Denna rapport behandlar QA system generellt och en mer ingående fördjupning av ett QA system vid namn Falcon, som är byggt av Sanda Harabagiu. QA system är utvecklade för att kunna svara på frågor som människor ställer till systemet. För att göra detta använder sig QA systemen av någon slags kunskapsdomän och gör en sökning i en stor mängd text. QA systemen kan skilja sig när det gäller hur de framställer kunskapen, vilka frågor de kan svara på och hur filtreringen av frågorna går till. Falcon, som är ett ganska avancerat QA system och kan svara på ganska komplicerade frågor, använder sig av en kunskapsdomän vid namn WordNet och använder sig av naturligt språk i sökningen. Falcons filtrering görs främst genom ett booleanskt nätverk där det får hjälp av nyckelord, semantik och logik för att få ett så exakt svar som möjligt. Falcon anses om ett av de bästa QA systemen och har vunnit tävlingar inom detta område flera gånger.

3 Innehållsförteckning Sammanfattning...2 Kort bakgrund till QA systemen...5 QA- system generellt...5 Falcon...6 Naturligt språk...7 Semantik...7 Frasstrukturträd...7 Filtrering...8 Keywords...8 Answer TYPE...8 Booleanskt nätverk...9 WordNet...10 TREC...11 Diskussion...12 Referenser...12 Artiklar...12 Internet...12 PowerPoint presentationer...12

4

5 Kort bakgrund till QA systemen 1972 kom ett system vid namn SHRDLU av Winograd som kunde manipulera och ställa frågor om en värld, blocks world. Ganska tätt inpå, 1973, kom LUNAR av Woods, som kunde ställa frågor om månstenar och började använda sig en del av semantik. Sedan år 2001 kom den moderna eran av QA system. Då kom ett system kallat MURAX av Kupeic som började fungera som en encyklopedi. 1 Andra system som även arbetat med QA liknande frågor är The QUALM, Taxonomy of Questions och The STUDENT. 2 QA-system generellt QA- system, eller Question Answering system som det egentligen heter, är ett frågebesvarande system som ofta hanterar naturligt språk för att svara på frågor som ställs till systemet. QA- systemen analyserar frågan den får, för att sedan söka i en databas efter ett svar. Vilka frågor som ställs och hur de ställs varierar mellan de olika systemen. En del system klarar av avancerade kunskapsfrågor som kräver resonemang kring frågan, medan andra endast klarar av enkla ja och nej frågor. Det bör dock ha skett en sökning i en stor text för att finna svaret, för att systemet ska kallas för ett QA- system. 3 Figur 1Generell flödesbeskrivning för hur QA system söker svar på en fråga. 4 Det finns givetvis många olika sätt att hämta denna information ur texter. De olika systemen kan skilja sig i hur de analyserar frågan, formulerar frågan, hämtar texten, visar upp svaret etc. 5 De QA- system som kan hantera svåra kunskapsfrågor kallas för expertsystem, de kan ofta hantera frågor i naturligt språk och hanterar ofta en specifik kunskapsdomän. De system som hanterar enklare frågor är IE- system, Informationsextraheringssystem, som ofta kan hantera större domäner, men däremot oftast saknar förmågan att besvara resonera och tolka svaren i naturligt språk. Dessa system använder ofta nyckelord för att hitta svaren i textdokument eller referenser till dokument. 1 Tutorial on Question Answering, Johan M. Prager, RANLP, Question Answering, Sanda Harabagiu and Dan Moldovan, Natural Language Processing Group 3 DoKnow rapport 1, Susanne Ekeklint, Graduate School of Language Technology, Sverige och Matematiska och systemtekniska institutionen, Växjö Universitet, sek@msi.vxu.se, sid Question Answering, Sanda Harabagiu and Dan Moldovan, Natural Language Processing Group 5 Open- domain Suface- Based Question Answering System, Aaron Galea, Department of Computer Science and AI, University of Malta.

6 System som endast refererar till dokument kallar för IR- system, informationsåtkomstsystem. Exempel på ett sådant system är Google. 6 Dessa system har för avsikt att hjälpa användare att hitta den information som är begärd. Dock finner de endast dokument åt användaren, vilket tyvärr leder till extra jobb åt användaren, då de själva måste söka igenom dokumenten för att hitta det exakta svaret. Detta försöker QA- systemen att motverka. QA- systemens uppgift ska vara att ge användaren det exakta svaret på en gång. 7 Figur 2 Flödeskarta över hur IR- systemen fungerar. 8 Falcon Det QA- system som kommer beskrivas mer noggrant i resten av rapporten är Falcon, som visat sig vara bland de bästa QA- systemen. 9 Falcon är ett QA- system som kan hantera längre frågor och svara mer än ja och nej. Systemet kan även hantera omformuleringar av frågor. Denna förmåga använder Falcon bland annat för att sålla ut felaktiga svar på frågan då Falcon använder sig av ett loop- system där frågan kan omformuleras, för att sedan kunna ta fram det svar som önskas. 10 Falcon kommer från Southern Methodist University 11, och är skapat av Sanda Harabagiu, som är professor på Texas University och har även skapat bland annat systemet PowerAnswer, som vann TREC- 11 tävlingen. 12 Exempel på frågor som Falcon kan svara på är: What is the capital of Uruguay? Och In what year did Ireland elect its first woman president? 13 6 DoKnow rapport 1, Susanne Ekeklint, Graduate School of Language Technology, Sverige och Matematiska och systemtekniska institutionen, Växjö Universitet, sek@msi.vxu.se, sid Open- domain Suface- Based Question Answering System, Aaron Galea, Department of Computer Science and AI, University of Malta. 8 Question Answering, Sanda Harabagiu and Dan Moldovan, Natural Language Processing Group 9 Overview of the TREC- 9 Question Answering Track, Ellen M. Voorhees, National Institute of Standards and Technology, Gaithersburg, MD 10 Falcon: Boostring Knowledge for Answer Engines, Sanda Harabaigu, Department of Computer Science and Engineering, Southern Methodist University, Dallas, TX , {sanda,moldovan}@seas.smu.edu, sid Overview of the TREC- 9 Question Answering Track, Ellen M. Voorhees, National Institute of Standards and Technology, Gaithersburg, MD 12 DoKnow rapport 1, Susanne Ekeklint, Graduate School of Language Technology, Sverige och Matematiska och systemtekniska institutionen, Växjö Universitet, sek@msi.vxu.se, sid Question Answering, Sanda Harabagiu and Dan Moldovan, Natural Language Processing Group

7 Naturligt språk Falcon använder sig av naturligt språk som en metod i en process som kallas för NLP, natural language processing. Denna metod används för att sedan kunna använda de olika semantiska formerna av frågan för att i sin tur sedan kunna identifiera de olika kandiderande svaren i textsamlingen som WordNet, Falcons kunskapsdomän, tagit fram. Denna metod tillåter Falcon att senare kunna processera många alternativa svar. 14 Semantik Falcon använder sig av olika former av semantisk och logisk kunskap för att få svar på sina frågor på bästa sätt. Genom att generera de olika semantiska och logiska formerna av frågorna som ställs och svaren som ska genereras, möjliggör Falcon försvarbara alternativ som svar på frågorna, ifall Falcon inte lyckas hitta det korrekta svaret. Den semantiska formen på frågan som ställs, används även för att söka efter rätt begrepp i sin sökning och i sin tur hamna i rätt mapp av svars grupp. (och få rätt answer TYPE) De påvisar även vilka nyckelord som borde användas och gör det möjligt att hitta kopplingar mellan ord. För att ta reda på vilken semantisk form som är rätt, härstammas alla kopplingar mellan orden för att sedan skapa en graf av anonyma kopplingar mellan orden, som täcker alla frågeställningar. Dessa kopplingar sammanställs i frasstrukturträd. 15 Frasstrukturträd Frasstrukturträden omfattar alla huvudfraser och innehåller anonyma länkar med deras relationer. Här är de olika ordklasserna uppdelade och kategoriserade. Dessa träd har bra utförande, är stabila och kan enkelt användas på korta textstycken. De är därför bra att användas till frågor och korta paragrafsvar. De är därför tyvärr inte alltid bra till Falcons komplexa frågor och svar. Figur 3 Exempel på ett frasstrukturträd från en mening och hur Falcon använder sig av detta Falcon: Boostring Knowledge for Answer Engines, Sanda Harabaigu, Department of Computer Science and Engineering, Southern Methodist University, Dallas, TX , {sanda,moldovan}@seas.smu.edu, sid Falcon: Boostring Knowledge for Answer Engines, Sanda Harabaigu, Department of Computer Science and Engineering, Southern Methodist University, Dallas, TX , {sanda,moldovan}@seas.smu.edu, sid 2

8 Filtrering Keywords Falcon använder sig av keywords, nyckelord, i sin sökning. Dessa nyckelord kommer senare att användas i ett booleanskt nätverk, där Falcon jobbar för att få fram rätt svar på frågan. För att försöka minska arbetet för Falcon i detta nätverk tillåts vissa alternativ till nyckelorden. Det finns tre stycken olika slags alternativ som godkänns. Det först är morfologiska alternativ. D.v.s. formen på ordet. T ex om nyckelordet invented finns med i frågan, accepteras alternativet inventor. Det andra är lexikala alternativ, alltså synonymer godkänns. T ex om nycklordet killer står med i frågan, godkänns ordet assasin. Det tredje är det semantiska alternativet. Då den korrekta semantiska formen inte alltid hittas, kan ett liknande ord godkännas. T ex om ordet like står med i frågan, kan ordet prefer godkännas. 17 Exempel på ord som väljs ut som nyckelord är citerade ord, entiteter, vanliga substantiv, de ord som är huvudord och huvudordens adjektiv. 18 Answer TYPE De olika nyckelorden tillhör även hierarkiskt en viss answer TYPE som delar upp nyckelorden i olika kategorier, beroende på hur frågan är formulerad och vad frågan är ute efter. Detta för att Falcon ska kunna generera frågan i den answer TYPE som är väntad. Vilken answer TYPE som ska användas ges av frågan och de begrepp frågan är mest kopplad till. 19 Detta hierarkiska answer TYPE system var Harabagiu först med. 20 Answer TYPE formernas olika kategorier har tre stycken olika mappar av ord där Falcon hierarkiskt kan leta upp vilken answer TYPE ordet i frågan tillhör. Falcon börjar identifiera i kategorierna längst ner, för att sedan jobba sig uppåt. 21 Detta hierarkiska klassificeringssystem arbetar så att det börjar längst ner i root noden som är mest specifik, går sedan upp till root nodens barn, och så vidare för att slutligen komma upp till den mest generella noden, där system börjar leta efter svar i denna kategori. 22 Längst ner finns Named Entity Categories, som har 27 st kategorier som ord kan kopplas till. Dessa kategorier är t ex mammal, number, province och town. I nästa mapp Top Categories, som har 18 st kategorier, med kategorier som t ex reason, location och language. Den översta mappen l eaf nodes of the top answer hierarchies har 15 st kategorier som t ex continent och dimension. 16 Question Answering, Sanda Harabagiu and Dan Moldovan, Natural Language Processing Group, Department of Computer Science & Engr, Southern Methodist University, Dallas TX 17 Falcon: Boostring Knowledge for Answer Engines, Sanda Harabaigu, Department of Computer Science and Engineering, Southern Methodist University, Dallas, TX , {sanda,moldovan}@seas.smu.edu, sid Question Answering, Sanda Harabagiu and Dan Moldovan, Natural Language Processing Group 19 Falcon : Boostring Knowledge for Answer Engines, Sanda Harabaigu, Department of Computer Science and Engineering, Southern Methodist University, Dallas, TX , {sanda,moldovan}@seas.smu.edu, sid Scaling Answer Type Detection to Large Hierarchies, Kirk Roberts and Andrew Hickl, Language Computer Corporation, North Collins Boulevard Suite 2000, Richardson, Texas USA. 21 Falcon : Boostring Knowledge for Answer Engines, Sanda Harabaigu, Department of Computer Science and Engineering, Southern Methodist University, Dallas, TX , {sanda,moldovan}@seas.smu.edu, sid Scaling Answer Type Detection to Large Hierarchies, Kirk Roberts and Andrew Hickl, Language Computer Corporation, North Collins Boulevard Suite 2000, Richardson, Texas USA.

9 En answer TYPE, t ex AMOUNT kan tillhöra flera olika Named Entity Categories, så som quantity och number som i sin tur kan tillhöra olika Top Categories t ex numerical value och så vidare. Dessa answer TYPE använder Falcon sig senare av för att söka i Wordnets semantiska nät av kunskap och sedan generar svaret i samma semantiska form som är ställd i. Ett exempel på hur Falcon jobbar med answer TYPE. Om den ställda frågan är What do penguins eat? då är det väntade answer TYPE food. Denna answer TYPE food är sedan kopplat till underkategorier i det hierarkiska nätet, så som underkategorierna eating och feeding. Dessa två, question keywords (nyckelordet) och expected answer TYPE (kategorin) blir identifierade av modul kallad question processing som kopplar samman allt detta. Denna process kopplar samman frågan med dess semantiska och logiska form samt dess answer TYPE, med de dokument som genomsöks för att hitta svaret, samt med processen för att generera svaret i rätt semantiska form och med rätt answer TYPE. Processen blir här ett booleanskt nätverk. Booleanskt nätverk Nyckelorden, answer TYPE och semantiken i Falcon är kopplade till ett booleanskt nätverk som består av tre loopar för hitta så rätt svar som möjligt. 23 Med ett booleanskt nätverk menas ett nätverk som genererar antingen sant eller falskt. 24 Detta nätverk består av tre stycken loopar som ska hjälpa Falcon att till slut generera rätt svar på frågan som ställs. Den första loopen behandlar antalet paragrafer som hittas vid en sökning. Om det är för många paragrafer som hittas vid sökningen av ett visst nyckelord, bes man lägga till fler nyckelord, för att få en mer specifik sökning, och färre antal svar. Är det för få paragrafer som hittas vid sökningen bes man ta bort några nyckelord i sin sökning för att få fler svar. 25 Alltså, systemet triggar igång loop nummer ett om för många eller för få svarsalternativ returneras från sökmotorn. 26 I loop två blir de paragrafer som hittats vid sökningen omformade till rätt semantiska form. Om det där uppstår osäkerhet kring frågans och svarets semantiska former, avbryts loop nummer två och synonymer börjar användas för att hitta rätt semantiska form. 27 Alltså, lopps nummer två triggas om frågan och svarets semantiska form inte överrensstämmer. 28 I den tredje och sista loopen kollas om den logiska formen är korrekt, så här omformas den semantiska formen till en logisk form. För att ta reda på om den logiska formen är korrekt används backchaining från svaret till frågan. 29 Backchaining som är en teknik för att lära uttal, då en lärare 23 Falcon: Boostring Knowledge for Answer Engines, Sanda Harabaigu, Department of Computer Science and Engineering, Southern Methodist University, Dallas, TX , {sanda,moldovan}@seas.smu.edu, sid Falcon: Boostring Knowledge for Answer Engines, Sanda Harabaigu, Department of Computer Science and Engineering, Southern Methodist University, Dallas, TX , {sanda,moldovan}@seas.smu.edu, sid 3 26 Tutorial on Question Answering, Johan M. Prager, RANLP, Falcon: Boostring Knowledge for Answer Engines, Sanda Harabaigu, Department of Computer Science and Engineering, Southern Methodist University, Dallas, TX , {sanda,moldovan}@seas.smu.edu, sid 3 28 Tutorial on Question Answering, Johan M. Prager, RANLP, Falcon: Boostring Knowledge for Answer Engines, Sanda Harabaigu, Department of Computer Science and Engineering, Southern Methodist University, Dallas, TX , {sanda,moldovan}@seas.smu.edu, sid 3

10 börjar med att uttala slutet av ordet/mening, för att sedan gå framåt och sluta med början av ordet/meningen, och studenten härmar från slutet till början. 30 Figur 4 Falcons Booleanska Nätverk med sitt loopsystem 31 Detta loopsystem ökar exaktheten i de sökningar som görs. Vid tävlingen TREC- 9, år 2001, ökade de olika looparna tillsammans exaktheten med 76 % i sökningarna, enligt John M. Prager. 32 WordNet WordNet är en lexikal ontologi som Falcon använder sig av för att få sin kunskap ifrån. 33 Ontologi som ursprungligen "läran om det varande (varat)", en del av metafysiken. I modern mening avses med ontologi det system av kategorier och antaganden om vad som finns respektive inte finns, dvs. det som förutsätts av varje enskild begreppsapparat, teori eller idésystem. 34 Det är alltså en textbaserad kunskapsdomän. 35 Denna kunskapsdomän söker efter sitt material, sin kunskap, i stora samlingar av dokument, då det är en öppen kunskapsdomän. 36 WordNet, som är skapat av Miller år 1990, består huvudsakligen av vanliga substantiv och innehåller mer än unika substantivformer. WordNet används frekvent för olika informationssökningsuppdrag, text klassificering och för att generera svar på frågor, vilket är syftet med WordNet i Falcon Falcon: Boostring Knowledge for Answer Engines, Sanda Harabaigu, Department of Computer Science and Engineering, Southern Methodist University, Dallas, TX , {sanda,moldovan}@seas.smu.edu 32 Tutorial on Question Answering, Johan M. Prager, RANLP, Fine- Grained Proper Noun Ontologies for Question Answering, Gideon S Mann, Department of Computer Science, Johns Hopkins University, Baltimore, Maryland, gms@cs.jhu.edu Fine- Grained Proper Noun Ontologies for Question Answering, Gideon S Mann, Department of Computer Science, Johns Hopkins University, Baltimore, Maryland, gms@cs.jhu.edu 36 Question Answering, Sanda Harabagiu and Dan Moldovan, Natural Language Processing Group 37 Fine- Grained Proper Noun Ontologies for Question Answering, Gideon S Mann, Department of Computer Science, Johns Hopkins University, Baltimore, Maryland, gms@cs.jhu.edu

11 Wordnet innehåller en stor mängd Engelska ord och använder sig av mycket publicerat material. Detta gör det möjligt för Falcon att arbeta med sin semantiska process. I WordNet finns olika ordklasser som Falcons answer TYPEs olika kategorier är kopplade till. 38 I domänen är orden kategoriserade till olika typer, så som PERSON, LOCATION och ORGANIZATION, vilket ska göra sökningarna mer exakta och ge mer svarsalternativ vid en sökning efter t ex en person. Detta är väldigt användbart vid sökningar av svar till frågor som även de är typade/kategoriserade. (som Falcon) Så när ett QA system ska använda WordNet för att söka efter ett svar, blir orden som finns i sökningen först typade, sedan lokaliserar WordNet denna typ i domänen och kollar hierarkiskt ner på de ord som tillhör denna typ, som är potentiella svarsalternativ på frågan. Sedan söker WordNet inom dessa svarsalternativ efter det korrekta svaret. Detta för att försäkra sig så mycket som möjligt att hitta rätt svarsalternativ. 39 TREC TREC är en tävling där olika QA- system tävlar om att kunna besvara så många frågor så korrekt som möjligt. 40 TREC är även en utvärdering för att kunna ta fram de bästa egenskaperna hos de olika QA systemen. QA system ska i TREC kunna ta fram ett textstycke som innehåller rätt svar på frågan som ställs. 41 Enligt Susanne Ekeklint var Falcon, i TREC- 10 tävling år 2002, det bästa systemet. Falcon lyckades då svara på mer än 50 % av frågorna med korta svar och mer än 75 % på frågorna med långa svar. Framgången sades bero på Falcons blandning av olika NLP- metoder. 42 I TREC- 9 lyckades Falcon få 58 % rätt på de frågor med kort svar och 76% rätt på de frågor med långt svar. 43 Totalt lyckades Falcon i TREC- 9 svara på totalt 65 % av frågorna, och därigenom vara bäst. Det system som var näst bäst lyckades svara på 42 % av frågorna, vilket är en mycket lägre siffra än Falcons. 44 I TREC- 9 fanns det 693 st frågor att svara på, man fick använda sig av en storlek av 3 gb för att samla på sig kunskap och det fanns 75 st tävlande system Falcon: Boostring Knowledge for Answer Engines, Sanda Harabaigu, Department of Computer Science and Engineering, Southern Methodist University, Dallas, TX , {sanda,moldovan}@seas.smu.edu, sid 2 39 Fine- Grained Proper Noun Ontologies for Question Answering, Gideon S Mann, Department of Computer Science, Johns Hopkins University, Baltimore, Maryland, gms@cs.jhu.edu 40 DoKnow rapport 1, Susanne Ekeklint, Graduate School of Language Technology, Sverige och Matematiska och systemtekniska institutionen, Växjö Universitet, sek@msi.vxu.se, sid Overview of the TREC- 9 Question Answering Track, Ellen M. Voorhees, National Institute of Standards and Technology, Gaithersburg, MD 42 DoKnow rapport 1, Susanne Ekeklint, Graduate School of Language Technology, Sverige och Matematiska och systemtekniska institutionen, Växjö Universitet, sek@msi.vxu.se, sid Falcon: Boostring Knowledge for Answer Engines, Sanda Harabaigu, Department of Computer Science and Engineering, Southern Methodist University, Dallas, TX , {sanda,moldovan}@seas.smu.edu, sid 1 44 Overview of the TREC- 9 Question Answering Track, Ellen M. Voorhees, National Institute of Standards and Technology, Gaithersburg, MD 45 Question Answering, Sanda Harabagiu and Dan Moldovan, Natural Language Processing Group

12 Diskussion QA- system anser jag är en mycket fiffig uppfinning. Istället för att en person ska gå igenom tonvis med material, har personer utvecklat system som kan göra det åt oss mycket snabbare och enklare. De QA- system som sen inte bara hittar dokumenten, som IR gör, utan istället hittar det faktiska svaret, så som Falcon, förenklar människors sökande efter svar ännu mer. Att använda sig av semantik och logik för att hitta rätt form på svaret känns som en bra men kanske mindre nödvändig egenskap. Dock gör sökandet snyggare och man får precis det svar man vill ha. När systemet kan hitta rätt svar, ser det bra ut att hitta rätt form på svaret också. Desto mer exakthet ett system kan använda sig av, desto närmre kommer systemet till att bli optimalt. Vilket jag antar alla system vill vara. Men jag tror ändå att man kan hitta ganska bra svar även om semantiken och logiken inte fanns där. Det som skulle kunna förbättras med QA- system, vore om systemen kunde sammankopplas och göra sökande ännu mer optimalt. Att ett QA- system kunde använda sig av kunskapsdomäner som WordNet, men även samtidigt kunna använda sig av internet som kunskapsbas. Samt att de kunde ta fram exakta svar (som Falcon), men även koppla det till dokument där svaren finns i (IR- system). Detta för att öka reliabiliteten och få mer referensbaserade svar. Referenser Artiklar Falcon: Boostring Knowledge for Answer Engines, Sanda Harabaigu, Department of Computer Science and Engineering, Southern Methodist University, Dallas, TX , {sanda,moldovan}@seas.smu.edu DoKnow rapport 1, Susanne Ekeklint, Graduate School of Language Technology, Sverige och Matematiska och systemtekniska institutionen, Växjö Universitet, sek@msi.vxu.se Fine- Grained Proper Noun Ontologies for Question Answering, Gideon S Mann, Department of Computer Science, Johns Hopkins University, Baltimore, Maryland, gms@cs.jhu.edu Overview of the TREC- 9 Question Answering Track, Ellen M. Voorhees, National Institute of Standards and Technology, Gaithersburg, MD Scaling Answer Type Detection to Large Hierarchies, Kirk Roberts and Andrew Hickl, Language Computer Corporation, North Collins Boulevard Suite 2000, Richardson, Texas USA Open- domain Suface- Based Question Answering System, Aaron Galea, Department of Computer Science and AI, University of Malta. Internet PowerPoint presentationer Tutorial on Question Answering, Johan M. Prager, RANLP, 2003 Question Answering, Sanda Harabagiu and Dan Moldovan, Natural Language Processing Group

Ontologier. Cassandra Svensson 2014-01-09

Ontologier. Cassandra Svensson 2014-01-09 Ontologier Cassandra Svensson 2014-01-09 Sammanfattning Jag har läst Annika Flycht-Ericssons avhandling Design and Use of Ontoligies in information-providing Dialogue Systems. Med Annikas text som utgångspunkt

Läs mer

Question answering system

Question answering system LINKÖPINGS UNIVERSITET Question answering system Artificiell Intelligens II Sammanfattning Detta arbete handlar om question answering (QA) system, om hur QA- system fungerar och hur de går till väga för

Läs mer

Beräkning med ord. -hur en dator hanterar perception. Linköpings universitet Artificiell intelligens 2 2010-10-03 Erik Claesson 880816-1692

Beräkning med ord. -hur en dator hanterar perception. Linköpings universitet Artificiell intelligens 2 2010-10-03 Erik Claesson 880816-1692 Beräkning med ord -hur en dator hanterar perception 2010-10-03 Erik Claesson 880816-1692 Innehåll Inledning... 3 Syfte... 3 Kan datorer hantera perception?... 4 Naturligt språk... 4 Fuzzy Granulation...

Läs mer

de var svåra att implementera och var väldigt ineffektiva.

de var svåra att implementera och var väldigt ineffektiva. OBS! För flervalsfrågorna gäller att flera alternativ eller inget alternativ kan vara korrekt. På flervalsfrågorna kan man bara ha rätt eller fel, dvs frågan måste vara helt korrekt besvarad. Totalt kan

Läs mer

http://www.sm.luth.se/~andreas/info/howtosearch/index.html

http://www.sm.luth.se/~andreas/info/howtosearch/index.html & ' ( ( ) * +, ', -. / ' 0! 1 " 2 # 3 / /! 1 $ 4, % 5 # 3, http://www.sm.luth.se/~andreas/info/howtosearch/index.html Andreas Tips och trix till sökningar i Cyberrymnden Här försöker jag att gå igenom

Läs mer

version 2.5 CONTENTO SVENSKA AB Introduktion till Kursbyggarverktyg

version 2.5 CONTENTO SVENSKA AB Introduktion till Kursbyggarverktyg version 2.5 CONTENTO SVENSKA AB Introduktion till Kursbyggarverktyg Introduktion till kursbyggarverktyg Contento Svenska AB Hornsgatan 103 117 28 Stocholm Table of Contents KAPITEL 1 Introduktion 2 Begrepp

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

Språkteknologi och Open Source

Språkteknologi och Open Source Språkteknologi och Open Source Erik Edin F01 erikedin@kth.se 15 oktober 2004 1 1 Open Source Open Source är en rörelse som syftar till att skriva datorprogram som släpps fria utan kommersiella intressen.

Läs mer

DD1350 Logik för dataloger. Vad är logik?

DD1350 Logik för dataloger. Vad är logik? DD1350 Logik för dataloger Fö 1 - Introduktion Vad är logik? Vetenskapen som studerar hur man bör resoneraoch dra slutsatser utifrån givna påståenden (=utsagor, satser). 1 Aristoteles (384-322 f.kr) Logik

Läs mer

TDDD92 Artificiell intelligens -- projekt

TDDD92 Artificiell intelligens -- projekt jonas.kvarnstrom@liu.se 2018 TDDD92 Artificiell intelligens -- projekt Individuella uppgifter UPG2: Individuell skriftlig rapport 2 Vad? Läsa och förstå vetenskaplig litteratur Varför? Framtiden: Inte

Läs mer

Examination i. PROGRAMMERINGSTEKNIK F1/TM1 TIN212 (Dugga) Dag: Onsdag Datum: 2014-12-17 Tid: 9.00-12.00 (OBS 3 tim) Rum: V

Examination i. PROGRAMMERINGSTEKNIK F1/TM1 TIN212 (Dugga) Dag: Onsdag Datum: 2014-12-17 Tid: 9.00-12.00 (OBS 3 tim) Rum: V Data och Informationsteknik / Computer Science and Engineering Chalmers University of Technology and University of Gothenburg Erland Holmström Göteborg 16 dec 2014 Examination i PROGRAMMERINGSTEKNIK F1/TM1

Läs mer

Nyhetsbevakning och Information Retrieval. Utvärdering av nyhetsbevakningssystem. Syfte med IR-system. Vilket system är bättre?

Nyhetsbevakning och Information Retrieval. Utvärdering av nyhetsbevakningssystem. Syfte med IR-system. Vilket system är bättre? Utvärdering av nyhetsbevakningssystem Eriks Sneiders eriks@dsv.su.se 24-1-12 Nyhetsbevakning och Information Retrieval Applikationsnivå Nyhetsbevakning att hitta intressanta artiklar i flödet Tekniknivå

Läs mer

Case-based resoning. och dess användning inom sjukvården. Linköpings universitet Artificiell intelligens II 729G11 HT 2011

Case-based resoning. och dess användning inom sjukvården. Linköpings universitet Artificiell intelligens II 729G11 HT 2011 Linköpings universitet Artificiell intelligens II HT 2011 Case-based resoning och dess användning inom sjukvården Sammanfattning Det här arbetet handlar om vad case-based resoning är, hur den funkar, vilka

Läs mer

Framtidens vårdinformationsstöd FVIS 12 OKTOBER 2017

Framtidens vårdinformationsstöd FVIS 12 OKTOBER 2017 Framtidens vårdinformationsstöd FVIS 12 OKTOBER 2017 Vad är Framtidens Vårdinformationsstöd Framtidens Vårdinformationsstöd (FVIS) är en sammanhållen digital vårdmiljö som ska innehålla stöd för verksamhetens

Läs mer

JavaScript Block Editor:

JavaScript Block Editor: Micro:bit Tärningen Att räkna med slumpen genom t.ex. tärningsslag och föra statistik över antal slag kan vara tidskrävande. Speciellt om man ska gör 100 st eller 1000 st kast. Genom att använda programmering

Läs mer

Pass 3: Metadata. Svensk nationell datatjänst, SND BAS Online

Pass 3: Metadata. Svensk nationell datatjänst, SND BAS Online Pass 3: Metadata Funktioner hos metadata Den här presentationen kommer att ta upp olika funktioner som metadata kan ha. Jag kommer också visa att det finns olika typer av metadata beroende på vilken funktion

Läs mer

Internets historia Tillämpningar

Internets historia Tillämpningar 1 Internets historia Redan i slutet på 1960-talet utvecklade amerikanska försvaret, det program som ligger till grund för Internet. Syftet var att skapa ett decentraliserat kommunikationssystem som skulle

Läs mer

Sri Lanka Association for Artificial Intelligence

Sri Lanka Association for Artificial Intelligence Sri Lanka Association for Artificial Intelligence First Sinhala Chatbot in action Budditha Hettige Department of Statistics and Computer Science, Faculty of Applied Science, University of Sri Jayewardenepura,

Läs mer

Version: 1.0.1 Datum: 2012-05-23. DynaMaster 5 Golf Övergripande manual

Version: 1.0.1 Datum: 2012-05-23. DynaMaster 5 Golf Övergripande manual Version: 1.0.1 Datum: 2012-05-23 DynaMaster 5 Golf Övergripande manual Innehållsförteckning 1 Inledning 3 1.1 Systemkrav 3 2 Logga in 4 3 Översikt 5 4 Verktygsfält och funktioner 6 4.1 Översikt gränssnitt

Läs mer

Handledare: Mikael Goldmann

Handledare: Mikael Goldmann 2012-02- 23 Jacob Rydh Robert Hedin Sudoku Solver Projektspecifikation Handledare: Mikael Goldmann Introduktion Vi ska studera och utforma olika algoritmer för att lösa Sudoku puzzel. Vi kommer testa olika

Läs mer

Söka, värdera, referera

Söka, värdera, referera KTH ROYAL INSTITUTE OF TECHNOLOGY Söka, värdera, referera Ika Jorum, jorum@kth.se Definiera Vad behöver jag veta? Kommunicera Citera och argumentera korrekt Hitta Var och hur kan jag hitta information?

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

Minnet - begrepp och principer

Minnet - begrepp och principer Minnet - begrepp och principer Ebbinghaus (1885)» nonsensstavelser» retention»test Två begreppsteorin för minnet» aktivitet»styrka bestämmer tillgängligheten hos ett minnesspår vid en viss tidpunkt bestämmer

Läs mer

TDDD92 Artificiell intelligens -- projekt

TDDD92 Artificiell intelligens -- projekt jonas.kvarnstrom@liu.se 2018 TDDD92 Artificiell intelligens -- projekt Kursinformation Outline Om oss Om kursen i allmänhet Om den individuella uppgiften Om det gemensamma projektet Diskussion och frågor

Läs mer

TFYY51 Informationssökning

TFYY51 Informationssökning TFYY51 Informationssökning Göran Lindgren Med inspiration och lån av ppt-bilder från Joakim Westerlund, Linköpings universitetsbibliotek, samt North Carolina State University Libraries, www.lib.ncsu.edu

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

Amerikanerna och evolutionen

Amerikanerna och evolutionen KREATIONISM Amerikanerna och evolutionen Jesper Jerkert refererar några nya enkäter om amerikanernas inställning till kreationism och evolution. DÅ OCH DÅ publiceras resultaten från enkäter som undersökt

Läs mer

Statistiska undersökningar - ett litet dokument

Statistiska undersökningar - ett litet dokument Statistiska undersökningar - ett litet dokument Olle the Greatest Donnergymnasiet, Sverige 28 december 2003 Innehåll 1 Olika moment 2 1.1 Förundersökning........................... 2 1.2 Datainsamling............................

Läs mer

KONSTEN ATT FÖRSTÅ EN LEDTRÅD

KONSTEN ATT FÖRSTÅ EN LEDTRÅD KONSTEN ATT FÖRSTÅ EN LEDTRÅD Hur IBM Watson analyserar och förstår frågor i Jeopardy! DEN 10 JANUARI 2014 FRIDA ENGSLÄTT 729G43 Sammanfattning Den här rapporten beskriver hur IBM Watson, en intelligent

Läs mer

Sö ka litteratur i ERIC

Sö ka litteratur i ERIC 1 Sö ka litteratur i ERIC Det finns två ingångar om man vill söka i databasen ERIC: Via webben gratis version från the Education Resources Information Center: Denna version kan vara bra att känna till

Läs mer

Logik och kontrollstrukturer

Logik och kontrollstrukturer Logik och kontrollstrukturer Flödet av instruktioner i ett programmeringsspråk bygger vi upp med hjälp av dess kontrollstrukturer. I C har vi exemplen if, if else, while, do while. Dessutom finns switch

Läs mer

729G09 Språkvetenskaplig databehandling (2018) Kursintroduktion. Marco Kuhlmann Institutionen för datavetenskap

729G09 Språkvetenskaplig databehandling (2018) Kursintroduktion. Marco Kuhlmann Institutionen för datavetenskap 729G09 Språkvetenskaplig databehandling (2018) Kursintroduktion Marco Kuhlmann Institutionen för datavetenskap Denna föreläsning Kursens innehåll och organisation Korpuslingvistik och språkteknologi Textsegmentering

Läs mer

Vad är Artificiell Intelligens (AI) Olika typer av AI och deras användningsområden Innovation med hjälp av AI Framtiden och etiska frågeställningar

Vad är Artificiell Intelligens (AI) Olika typer av AI och deras användningsområden Innovation med hjälp av AI Framtiden och etiska frågeställningar 1 Agenda Vad är Artificiell Intelligens (AI) Olika typer av AI och deras användningsområden Innovation med hjälp av AI Framtiden och etiska frågeställningar 2 Nuvarande AI Funktioner en grov Analogi Rekommendation,

Läs mer

PEC: European Science Teacher: Scientific Knowledge, Linguistic Skills and Digital Media

PEC: European Science Teacher: Scientific Knowledge, Linguistic Skills and Digital Media PEC: Fredagen den 22/9 2006, Forum För Ämnesdidaktik The aim of the meeting A presentation of the project PEC for the members of a research group Forum För Ämnesdidaktik at the University of Gävle. The

Läs mer

Kritiskt tänkande HTXF04:3 FTEB05. Grundläggande semantik II

Kritiskt tänkande HTXF04:3 FTEB05. Grundläggande semantik II Kritiskt tänkande HTXF04:3 FTEB05 Grundläggande semantik II Deskriptiv vs. värderande/känslomässig mening Ords betydelser kan ha både deskriptiva och värderande/känslomässiga komponenter. Det blir tydligt

Läs mer

Svensk nationell datatjänst, SND BAS Online

Svensk nationell datatjänst, SND BAS Online Pass 3: Metadata Vad är metadata? I den här presentationen kommer jag ge en introduktion till metadata och forskningsdata på ett principiellt plan. Vi kommer bland annat titta lite närmare på vad metadata

Läs mer

Introduction to the Semantic Web. Eva Blomqvist

Introduction to the Semantic Web. Eva Blomqvist Introduction to the Semantic Web Eva Blomqvist eva.blomqvist@liu.se Outline The original vision Meaning of data Current applications Revisiting the vision and looking ahead Scientific American, May 2001:

Läs mer

D. x 2 + y 2 ; E. Stockholm ligger i Sverige; F. Månen är en gul ost; G. 3 2 = 6; H. x 2 + y 2 = r 2.

D. x 2 + y 2 ; E. Stockholm ligger i Sverige; F. Månen är en gul ost; G. 3 2 = 6; H. x 2 + y 2 = r 2. Logik Vid alla matematiskt resonemang måste man vara säker på att man verkligen menar det man skriver ner på sitt papper. Därför måste man besinna hur man egentligen tänker. Den vetenskap, som sysslar

Läs mer

Likhetstecknets innebörd

Likhetstecknets innebörd Modul: Algebra Del 5: Algebra som språk Likhetstecknets innebörd Följande av Görel Sterner (2012) översatta och bearbetade text bygger på boken: Carpenter, T. P., Franke, M. L. & Levi, L. (2003). Thinking

Läs mer

N VIVO SOM REDSKAP FÖR KVALITATIVA INNEHÅLLSANALYSER

N VIVO SOM REDSKAP FÖR KVALITATIVA INNEHÅLLSANALYSER N VIVO SOM REDSKAP FÖR KVALITATIVA INNEHÅLLSANALYSER Fördjupad forskningsmetodik, allmän del 16.2.2017 Elisabeth Hästbacka INTRODUKTION Vid analyserande av olika typer av kvalitativt datamaterial, genom

Läs mer

SF Numeriska metoder, grundkurs

SF Numeriska metoder, grundkurs - Numeriska metoder, grundkurs Introduktionsföreläsning, September 1, 2014 KTH Royal Institute of Technology Dept. of Mathematics - NA division 1/16 Föreläsning 1 Om föreläsaren Om ämnet Om kursen Matlab

Läs mer

FTEA21:3 Spr akfilosofi F orel asning I Martin J onsson

FTEA21:3 Spr akfilosofi F orel asning I Martin J onsson FTEA21:3 Språkfilosofi Föreläsning I Martin Jönsson Att lära Varför Frege varken tror att ett ords mening är dess referens eller något mentalt. Freges egen teori om mening Tre semantiska principer Kompositionalitetsprincipen,

Läs mer

Att citera och referera

Att citera och referera Att citera och referera Studieguide Hvitfeldtska gymnasiet Vanliga frågor Vad är en referens? En referens är en beskrivning av en källa du använt i ditt arbete. Varför ska du referera? Det ska vara väldigt

Läs mer

Källuppgifter i fysik FAFA55

Källuppgifter i fysik FAFA55 Källuppgifter i fysik FAFA55 Varför är vi här? Kursmål: korrekta källuppgifter på universitetsnivå Projekt under LP 1 - Att hitta information - Korrekta källuppgifter i fysikformat Gäller även labbrapport

Läs mer

2D1418, språkteknologi. Vad är WordNet? Hans Eriksson december Datorpost personnummer:

2D1418, språkteknologi. Vad är WordNet? Hans Eriksson december Datorpost personnummer: 2D1418, språkteknologi Vad är WordNet? Hans Eriksson 1 19 december 2000 1 Datorpost d97-hae@nada.kth.se, personnummer: 770628 1 WordNet WordNet är ett projekt som syftar till att konstruera ett digitalt

Läs mer

N VIVO SOM REDSKAP FÖR KVALITATIVA INNEHÅLLSANALYSER

N VIVO SOM REDSKAP FÖR KVALITATIVA INNEHÅLLSANALYSER N VIVO SOM REDSKAP FÖR KVALITATIVA INNEHÅLLSANALYSER Fördjupad forskningsmetodik, allmän del 15.2.2018 Elisabeth Hästbacka INTRODUKTION Vid analyserande av olika typer av kvalitativt datamaterial, genom

Läs mer

Question analysis. in IBM Watson. 729g43 Artificiell intelligens. Linda Hallström

Question analysis. in IBM Watson. 729g43 Artificiell intelligens. Linda Hallström Question analysis in IBM Watson 729g43 Artificiell intelligens Linda Hallström linha256@student.liu.se 2014-01- 08 Innehållsförteckning Introduktion... 2 Bakgrund... 2 Jeopardy!... 3 Question analysis

Läs mer

Publicera material i Blackboard

Publicera material i Blackboard Marie Andersson, IKT-centrum E-post: iktcentrum@mdh.se 2012-06-25 (Bb Learn 9.1.8) Publicera material i Blackboard Innehåll Att tänka på... 2 Mappar och Lärmoduler... 2 Skapa en mapp... 2 Skapa en lärmodul...

Läs mer

PROGRAMMERINGSTEKNIK TIN212

PROGRAMMERINGSTEKNIK TIN212 Data och Informationsteknik / Computer Science and Engineering Chalmers University of Technology and University of Gothenburg Robin Adams Göteborg 8 June 2018 PROGRAMMERINGSTEKNIK TIN212 Dag: Fredag Datum:

Läs mer

Hur matar man in en fråga?

Hur matar man in en fråga? Hur matar man in en fråga? Att starta Vi har utarbetat denna handledning för att hjälpa dig att förstå hur du ska använda det här systemet för förfrågningar. Det är jättelätt! Lär dig att surfa dig igenom

Läs mer

Utbildningsplaner för kandidat-, magister och masterprogram. 1. Identifikation. Avancerad nivå

Utbildningsplaner för kandidat-, magister och masterprogram. 1. Identifikation. Avancerad nivå 1. Identifikation Programmets namn Omfattning Nivå Programkod Ev. koder på inriktningar Beslutsuppgifter Ändringsuppgifter Masterprogram i kognitionsvetenskap 120 hp Avancerad nivå HAKOG Fastställd av

Läs mer

Kan mentometrar slå flera flugor i en smäll? Att öka interaktionen och studentinflytandet på föreläsningar och formativa kursvärderingar.

Kan mentometrar slå flera flugor i en smäll? Att öka interaktionen och studentinflytandet på föreläsningar och formativa kursvärderingar. Kan mentometrar slå flera flugor i en smäll? Att öka interaktionen och studentinflytandet på föreläsningar och formativa kursvärderingar. Lennart Karlsson Johanna Nygren Spanne Anders Peterson Mål och

Läs mer

Artificiell Intelligens den nya superkraften

Artificiell Intelligens den nya superkraften Artificiell Intelligens den nya superkraften Socialchefsdagarna, 4 oktober 2018 #CGINext Artificiell Intelligens Förmågan hos mjukvara att agera självständigt på ett intelligent sätt tidigare bara associerat

Läs mer

The National Institute of Child Health and Human Development (NICHD) Protocol: Intervjuguide

The National Institute of Child Health and Human Development (NICHD) Protocol: Intervjuguide The National Institute of Child Health and Human Development (NICHD) Protocol: Intervjuguide This Swedish version is based on the English version available on the NICHD Protocol website (www.nichdprotocol.com).

Läs mer

12 Programstege Substantiv

12 Programstege Substantiv Det här är en programstege för substantiv. Du kan alltså lära dig om substantiven på ett enkelt sätt, en liten bit i taget. Varje sida innehåller fakta om substantiv, tillsammans med uppgifter som du också

Läs mer

Att arbeta med öppna uppgifter

Att arbeta med öppna uppgifter Modul: Samband och förändring Del 1: Öppna uppgifter Att arbeta med öppna uppgifter Ingemar Holgersson, Högskolan Kristianstad Kursplanen i matematik betonar att undervisningen ska leda till att eleverna

Läs mer

Allmändidaktik och lärande 4 högskolepoäng

Allmändidaktik och lärande 4 högskolepoäng Allmändidaktik och lärande 4 högskolepoäng Språkutveckling, flerspråkighet, digital publicering Ladokkod: Borås V 12 11FK10, Borås V 12 Svensvand 117910 Tentamen ges för: Förskollärarstudenter, Grund 4

Läs mer

TDDC77 Objektorienterad Programmering

TDDC77 Objektorienterad Programmering TDDC77 Objektorienterad Programmering Föreläsning 11 Sahand Sadjadee IDA, Linköpings Universitet Hösttermin 2018 Outline Uppräkningar (enum) Klasshierarki Generics Kollektioner Iterable Uppräkningar(enum)

Läs mer

Språkteknologi. Språkteknologi

Språkteknologi. Språkteknologi Språkteknologi Denna kurs handlar om naturliga språk (svenska, engelska, japanska, arabiska ), och hur vi kan få datorer att utföra användbara och intressanta uppgifter med naturliga språk. Språkteknologi

Läs mer

Smartbudget handbok Sida 1 av 16

Smartbudget handbok Sida 1 av 16 Smartbudget handbok Sida 1 av 16 Introduktion Målet med Smartbudget är att det ska vara enkelt för alla att få koll på sin ekonomi oavsett kunskapsnivå och behov. Allt eftersom Smartbudget växer med funktioner

Läs mer

Alumnstudie: Civilingenjörsutbildningen i molekylär bioteknik och bioinformatik (X)

Alumnstudie: Civilingenjörsutbildningen i molekylär bioteknik och bioinformatik (X) Alumnstudie: Civilingenjörsutbildningen i molekylär bioteknik och bioinformatik (X) Appendix C - Jämförelse: Doktorand/disputerad och övriga Enkätundersökning riktad till de med godkänt examensarbete i

Läs mer

Word-guide Introduktion

Word-guide Introduktion Word-guide Introduktion På det kognitionsvetenskapliga programmet kommer du läsa kurser inom flera olika vetenskapsområden och för varje vetenskapsområde finns ett speciellt sätt att utforma rapporter.

Läs mer

Nedan listas ett antal portaler och länkbibiliotek, svenska och internationella. Prova dem och jämför med kritierierna ovan.

Nedan listas ett antal portaler och länkbibiliotek, svenska och internationella. Prova dem och jämför med kritierierna ovan. Workshop Portaler och länkbibliotek Resurserna på Internet är om inte oändliga så åtminstone väldigt många. Att välja blir då ett bekymmer i sig. Portaler och länkbibliotek specialiserar sig på att samla

Läs mer

Att skriva för webben

Att skriva för webben De här övningarna kan vara bra att ha med sig i skapandet av webbsida och budskapet den ska spegla. All dokumentation du hittar i kursen kommer att vara en del av mina fortsatta kurser och jag vill inte

Läs mer

Viktiga frågor att ställa när ett argument ska analyseras och sedan värderas:

Viktiga frågor att ställa när ett argument ska analyseras och sedan värderas: FTEA12:2 Föreläsning 2 Grundläggande argumentationsanalys II Repetition: Vid förra tillfället började vi se närmre på vad som utmärker filosofisk argumentationsanalys. Vi tittade närmre på ett arguments

Läs mer

Fuzzy Logic. När oskarpa definitioner blir kristallklara. Åsa Svensson. Linköpings Universitet. Linköping

Fuzzy Logic. När oskarpa definitioner blir kristallklara. Åsa Svensson. Linköpings Universitet. Linköping Fuzzy Logic När oskarpa definitioner blir kristallklara Linköpings Universitet Linköping Sammanfattning I denna fördjupningsuppgift har jag fokuserat på Fuzzy Logic och försökt att beskriva det på ett

Läs mer

Redigera grupper (e-postlistor) för alvsjoscout.se

Redigera grupper (e-postlistor) för alvsjoscout.se Redigera grupper (e-postlistor) för alvsjoscout.se Bakgrund Det här dokumentet beskriver hur du redigerar e-postlistorna för domänen alvsjoscout.se, även kallat den nya maillösningen. Systemet är baserad

Läs mer

Kognitionsvetenskap C, HT-04 Mental Rotation

Kognitionsvetenskap C, HT-04 Mental Rotation Umeå Universitet 041025 Kognitionsvetenskap C, HT-04 Mental Rotation Grupp 3: Christina Grahn, dit01cgn@cs.umu.se Dan Kindeborg, di01dkg@cs.umu.se David Linder, c01dlr@cs.umu.se Frida Bergman, dit01fbn@cs.umu.se

Läs mer

En dröm för vår skola blir sann! Elevresa till Kina 3/4-17/4 2015

En dröm för vår skola blir sann! Elevresa till Kina 3/4-17/4 2015 En dröm för vår skola blir sann Elevresa till Kina 3/4-17/4 2015 Kära elever och föräldrar, I dagsläget studerar 89 elever, åk 6-9, kinesiska som språkval. Våra nior med språkval kinesiska går snart ut

Läs mer

Mobilus får inte användas under tiden uppdateringen genomförs.

Mobilus får inte användas under tiden uppdateringen genomförs. Uppdatera Mobilus Professional till version 1.0.6 Mobilus får inte användas under tiden uppdateringen genomförs. OBS! Innan du påbörjar uppdateringen till version 1.0.6 måste du ladda ner och installera

Läs mer

Anvisningar till rapporter i psykologi på B-nivå

Anvisningar till rapporter i psykologi på B-nivå Anvisningar till rapporter i psykologi på B-nivå En rapport i psykologi är det enklaste formatet för att rapportera en vetenskaplig undersökning inom psykologins forskningsfält. Något som kännetecknar

Läs mer

Medieteknologi Webbprogrammering och databaser MEB725, 5p (7,5 ECTS) Klientprogrammering JavaScript Program på flera sidor

Medieteknologi Webbprogrammering och databaser MEB725, 5p (7,5 ECTS) Klientprogrammering JavaScript Program på flera sidor http://w3.msi.vxu.se/multimedia Medieteknologi Webbprogrammering och databaser MEB725, 5p (7,5 ECTS) Klientprogrammering JavaScript Program på flera sidor Rune Körnefors Innehåll Variabler i JavaScript

Läs mer

TUTORIAL: KLASSER & OBJEKT

TUTORIAL: KLASSER & OBJEKT TUTORIAL: KLASSER & OBJEKT I denna tutorial lär vi oss att använda klasser och objekt samt hur vi bygger en enkel applikation kring dessa. I tutorialen kommer det finnas en mängd kod som du antingen kan

Läs mer

Grundläggande datavetenskap, 4p

Grundläggande datavetenskap, 4p Grundläggande datavetenskap, 4p Kapitel 4 Nätverk och Internet Utgående från boken Computer Science av: J. Glenn Brookshear 2004-11-23 IT och medier 1 Innehåll Nätverk Benämningar Topologier Sammankoppling

Läs mer

Information till eleverna

Information till eleverna Information till eleverna Här följer en beskrivning av det muntliga delprovet som ingår i det nationella provet. Delprovet genomförs i grupper om 3 4 elever som sitter tillsammans med läraren. Var och

Läs mer

Magdalena.Busk@skolverket.se

Magdalena.Busk@skolverket.se Söka och hitta Internet resurser Magdalena Busk Magdalena.Busk@skolverket.se "Att söka på Internet är bra för hjärnan" Forskare vid University of California (UCLA) såg att sökning av internet stimulerar

Läs mer

Bakgrund och motivation. Definition av algoritmer Beskrivningssätt Algoritmanalys. Algoritmer. Lars Larsson VT 2007. Lars Larsson Algoritmer 1

Bakgrund och motivation. Definition av algoritmer Beskrivningssätt Algoritmanalys. Algoritmer. Lars Larsson VT 2007. Lars Larsson Algoritmer 1 Algoritmer Lars Larsson VT 2007 Lars Larsson Algoritmer 1 1 2 3 4 5 Lars Larsson Algoritmer 2 Ni som går denna kurs är framtidens projektledare inom mjukvaruutveckling. Som ledare måste ni göra svåra beslut

Läs mer

Handicom. Symbol for Windows. Encyklopedi. Version 3.4

Handicom. Symbol for Windows. Encyklopedi. Version 3.4 Handicom Symbol for Windows Encyklopedi Version 3.4 Handicom, Nederländerna/Frölunda Data AB 2009 Innehåll Installation och licenser...2 1. Inledning...4 1.1 Vad är Encyklopedi?...4 2. Encyklopedis huvudmeny...5

Läs mer

Kristian Almgren Artificiell Intelligens Linköpings Universitet 2011. Talstyrning

Kristian Almgren Artificiell Intelligens Linköpings Universitet 2011. Talstyrning Talstyrning Abstrakt Talstyrning är en teknik som gör det möjligt för oss människor att mer eller mindre verbalt kommunicera med en dator eller ett system. Det här är ett tillvägagångssätt inom AI och

Läs mer

PM för kurs i Vetenskapsteori

PM för kurs i Vetenskapsteori PM för kurs i Vetenskapsteori Forskarutbildningskurs, 7,5 hp, HT-08 Allmän information Varje läsår ges en kurs i vetenskapsteori för LTU:s doktorander. Kursen är tänkt att motsvara 7,5 hp i forskarutbildningen.

Läs mer

Robin Stenwall Lunds universitet

Robin Stenwall Lunds universitet Robin Stenwall Lunds universitet Avsnitt 14.1 Numerisk kvantifikation Kvantifikatorerna i FOL är begränsade till och. Detta innebär att vi kan uttrycka satser som säger någonting om allting och någonting.

Läs mer

För universitetsgemensamma regler för forskarutbildning se Regler för utbildning på forskarnivå vid Göteborgs universitet Doktorandreglerna.

För universitetsgemensamma regler för forskarutbildning se Regler för utbildning på forskarnivå vid Göteborgs universitet Doktorandreglerna. HUMANISTISKA FAKULTETEN Dnr: U 2016/417 Allmän studieplan för licentiatexamen i Datalingvistik Studieplanen är fastställd av Humanistiska fakultetsstyrelsen vid Göteborgs universitet den 30 mars 2017.

Läs mer

U T B I L D N I N G S P L A N

U T B I L D N I N G S P L A N Dnr: 1025/2006-510 Fakultetsnämnden för matematik, naturvetenskap och teknik U T B I L D N I N G S P L A N Masterprogram i informationssystem, 120 högskolepoäng Master Program in Information Systems, 120

Läs mer

Benämning Ansvarig Robert Winbladh Skapat 2013-02-11 16:31 Projekt Senast sparat 2013-03-11 14:42 Revision 1.3 Filnamn CUSTOMER PORTAL

Benämning Ansvarig Robert Winbladh Skapat 2013-02-11 16:31 Projekt Senast sparat 2013-03-11 14:42 Revision 1.3 Filnamn CUSTOMER PORTAL Benämning Ansvarig Robert Winbladh Skapat 2013-02-11 16:31 Projekt Senast sparat 2013-03-11 14:42 Revision 1.3 Filnamn CUSTOMER PORTAL Innehåll 1 Inledning... 2 2 Logga in... 2 2.1 Webb adress... 2 2.2

Läs mer

Framsida På framsidan finns:

Framsida På framsidan finns: Framsida På framsidan finns: Rubriken på hela arbetet Namnet på den eller de som gjort arbetet Klass Någon form av datering, t.ex. datum för inlämning eller vilken termin och vilket år det är: HT 2010

Läs mer

What Is Hyper-Threading and How Does It Improve Performance

What Is Hyper-Threading and How Does It Improve Performance What Is Hyper-Threading and How Does It Improve Performance Ali Muthanna, Lunds Universitet, IDA2, EDT621 Abstract Hyper-Threading (HT) is Intel s version of simultaneous multi-threading (SMT). Hyper-Threading

Läs mer

Stina Nyman 2012-09-16

Stina Nyman 2012-09-16 LINKOPINGS UNIVERSITET, IDA SmartKom Hur systemet fungerar Stina Nyman 2012-09-16 stiny786 Artificiell intelligens II Sammanfattning Detta projekt kommer handla om SmartKom som är ett multimodalt dialogsystem

Läs mer

Enkätresultat för SIK15 Omvärldsanalys och informationssökning 7,5 hp. 31SOI1 H15-1 Kursansvariga: Rolf Hasslöw, Ingrid Johansson

Enkätresultat för SIK15 Omvärldsanalys och informationssökning 7,5 hp. 31SOI1 H15-1 Kursansvariga: Rolf Hasslöw, Ingrid Johansson Enkätresultat för SIK15 Omvärldsanalys och informationssökning 7,5 hp. 31SOI1 H15-1 Kursansvariga: Rolf Hasslöw, Ingrid Johansson Enkäten är besvarad av 16 studenter (av 42 möjliga) vilket motsvarar 38%.

Läs mer

Introduktion till frågespråket SQL (v0.91)

Introduktion till frågespråket SQL (v0.91) DD1370: Databaser och Informationssystem Hösten 2014 Petter Ögren Introduktion till frågespråket SQL (v0.91) 13:e November Disclaimer: Dessa anteckningar har producerats under viss tidspress, och kan därför

Läs mer

Thinking in systems - Donella H. Meadows

Thinking in systems - Donella H. Meadows Thinking in systems - Donella H. Meadows Förklaring av system Definition: Ett system är en mängd sammankopplade element som är organiserade på ett sådant sätt att något uppnås. Ett system måste alltså

Läs mer

HANDLEDARE: Jonny Pedersen Datum: (Detta skrevs i November 09)

HANDLEDARE: Jonny Pedersen Datum: (Detta skrevs i November 09) DOKUMENTATIONER IDÈSKISS ÄMNESOMRÅDE: Webbdesign och marknadsföring HANDLEDARE: Jonny Pedersen Datum: (Detta skrevs i November 09) Min idéskiss: Jag ska skapa en hemsida vars syfte är att tjäna pengar.

Läs mer

Fakulteten för teknik och naturvetenskap. Utbildningsplan. Matematisk modellering

Fakulteten för teknik och naturvetenskap. Utbildningsplan. Matematisk modellering Fakulteten för teknik och naturvetenskap Utbildningsplan Matematisk modellering Programkod: Programmets benämning: Högskolepoäng/ECTS: 120 Beslut om inrättande: NANAT Inriktningar FSGR, RESI, TIMA Matematisk

Läs mer

NAMAT, Masterprogram i matematik, 120 högskolepoäng Master Programme in Mathematics, 120 credits

NAMAT, Masterprogram i matematik, 120 högskolepoäng Master Programme in Mathematics, 120 credits Naturvetenskapliga fakulteten NAMAT, Masterprogram i matematik, 120 högskolepoäng Master Programme in Mathematics, 120 Program med akademiska förkunskapskrav och med slutlig examen på grundnivå / First

Läs mer

Sökning, källkritik och referenshantering EITA LINA AHLGREN & OLA HEDBÄCK

Sökning, källkritik och referenshantering EITA LINA AHLGREN & OLA HEDBÄCK Sökning, källkritik och referenshantering EITA55 2018-09-07 LINA AHLGREN & OLA HEDBÄCK Agenda Sökprocessen Söktjänster Referenshantering Sökprocessen Problemställning Källkritik Sökord Sökresultat Söktjänster

Läs mer

Business research methods, Bryman & Bell 2007

Business research methods, Bryman & Bell 2007 Business research methods, Bryman & Bell 2007 Introduktion Kapitlet behandlar analys av kvalitativ data och analysen beskrivs som komplex då kvalitativ data ofta består av en stor mängd ostrukturerad data

Läs mer

kl Tentaupplägg

kl Tentaupplägg Tentaupplägg TIPS 1: Läs igenom ALLA uppgifterna. Välj den du känner är lättast först. Det kan gärna ta 10-20 minuter. Försök skriva saker som kan vara problem i uppgifterna. Är det något du absolut kommer

Läs mer

Miljön i Windows Vista

Miljön i Windows Vista 1 Miljön i Windows Vista Windows Aero Windows Aero (Aero Glass), som det nya utseendet eller gränssnittet heter i Vista, påminner mycket om glas och har en snygg genomskinlig design. Det är enklare att

Läs mer

KRITERIER FÖR REELL KOMPETENS I HUVUDOMRÅDE ARABISKA, JAPANSKA, KINESISKA OCH RYSKA

KRITERIER FÖR REELL KOMPETENS I HUVUDOMRÅDE ARABISKA, JAPANSKA, KINESISKA OCH RYSKA INSTITUTIONEN FÖR SPRÅK OCH LITTERATURER KRITERIER FÖR REELL KOMPETENS I HUVUDOMRÅDE ARABISKA, JAPANSKA, KINESISKA OCH RYSKA Nedanstående påståenden är hämtade ur mallen för Gemensam europeisk referensram

Läs mer

The sexy job in the next 10 years will be statisticians, said Hal Varian, chief economist at Google. And I m not kidding.

The sexy job in the next 10 years will be statisticians, said Hal Varian, chief economist at Google. And I m not kidding. Kunskapsprov i KUSK The sexy job in the next 10 years will be statisticians, said Hal Varian, chief economist at Google. And I m not kidding. Yet data is merely the raw material of knowledge. We re rapidly

Läs mer