Søgemaskiner på Internettet
|
|
- Jacob Nielsen
- 7 år siden
- Visninger:
Transkript
1 1 Søgemaskiner på Internettet Gerth Stølting Brodal og Rolf Fagerberg BRICS, Daimi, Aarhus Universitet Foredrag i Datalogforeningen, 29. januar 2003
2 2 Internettet Meget stor mængde information. Ustruktureret. Hvordan finder man relevant info?
3 2 Internettet Meget stor mængde information. Ustruktureret. Hvordan finder man relevant info? Søgemaskiner!
4 2 Internettet Meget stor mængde information. Ustruktureret. Hvordan finder man relevant info? Søgemaskiner! 94: Lycos,... 96: Alta Vista: mange sider. 99: Google: mange sider og god ranking.
5 3 Moderne Søgemaskiner Imponerende performance. F.eks. : Søger i sider (jan 03). Svartider 0,1 sekund 1000 brugere i sekundet. Finder relevante sider (Do you feel lucky...?)
6 3 Moderne Søgemaskiner Imponerende performance. F.eks. : Søger i sider (jan 03). Svartider 0,1 sekund 1000 brugere i sekundet. Finder relevante sider (Do you feel lucky...?) Hvem bruger bookmarks mere?
7 4 Umoderne Søgemaskiner Ikke alle er (var) lige gode... Example of a query princess diana Engine 1 Engine 2 Engine 3 Relevant and high quality Relevant but low quality Not relevant index pollution M. Henzinger Web Information Retrieval 4
8 5 Dette foredrag Teknologien bag effektive søgemaskiner
9 5 Dette foredrag Teknologien bag effektive søgemaskiner NB: Søgemaskine Emnekatalog (Yahoo, Jubii,... ) Emnekataloger er stadig mest manuelt arbejde. Behandles ikke her.
10 5 Dette foredrag Teknologien bag effektive søgemaskiner NB: Søgemaskine Emnekatalog (Yahoo, Jubii,... ) Emnekataloger er stadig mest manuelt arbejde. Behandles ikke her. Hvis tid: andre forskningsemner relateret til Internettet
11 6 Dette foredrag Uddrag af kurset: Algorithms for Web Indexing and Searching Daimi, efteråret 2002
12 6 Dette foredrag Uddrag af kurset: Algorithms for Web Indexing and Searching Daimi, efteråret 2002 For litteratur med yderligere detaljer, se:
13 7 Overblik Indledning Google facts Information Retrieval generelt Teknisk mellemspil En søgemaskines dele Crawling Indeksering Søgning og ranking Gør-det-selv Yderligere emner
14 8 Startet i 1995 som forskningsprojekt ved Stanford University af ph.d. studerende Larry Page og Sergey Brin Privat firma grundlagt medarbejdere, 50 med en ph.d. Ansvarlig for ca. halvdelen af alle internet-søgninger 3 datacentre, to i Silicon Valley og et på USA s østkyst google googol =
15 9 Services Søgemaskine Hurtig Relevante links Opdateret Cache GoogleScout (lignende sider) Automatisk stavekontrol Interface til WAP og PDA Produktsøgninger (froogle) Billed søgning Aktiekurser, kort, ordbøger, nyheder, telefonbøger... Stemmestyret teknologi AdWords tekstbaseret reklame query afhængig Licenser AOL/Netscape, Red Hat, Virgin Group, YAHOO, The Washington Post... Web API Hardware + Software
16 10 Fakta web sider ikke HTML sider USENET beskeder (20 år) +2 Terabyte index, opdateres en gang om måneden termer i indeks søgninger om dagen (2000 i sekundet) +200 filtyper: HTML, Microsoft Office, PDF, PostScript, WordPerfect, Lotus sprog
17 Hardware Cluster af Intel servere Single-processor 256 MB 1 GB RAM 2 IDE diske med Gb Fejl-tolerance: Redundans Hastighed: Load-balancing Netværk Gigabit ethernet backbone Round-robin DNS for at dirigere traffiken til data centrerne (fremtiden Border Gateway Protocol) Internt i data centrerne bruges egenudviklet load-balancing software 11
18 Software Red Hat Linux Pris: bought 50 copies... goodwill gesture Adgang til kildetekst In-house support Stort rekruteringsgrundlag Mest udbredte linux Fjernet X windows Apache Web Server Telnet... Bibeholdt Alle maskiner har identisk grundkonfiguration (kan bruges til både webserver, indeks,...) Stateless services Egenudviklet automatisk installations værktøjer (Linux halter efter SUN) 12
19 13 Zeitgeist Las Ketchup
20 14 Overblik Indledning Google facts Information Retrieval generelt Teknisk mellemspil En søgemaskines dele Crawling Indeksering Søgning og ranking Gør-det-selv Yderligere emner
21 15 Information Retrieval Generelt: Lav indeks over data. Søg i indekset: Find alle relevante dokumenter. Rank (orden) dokumenterne efter relevans, vis mest relevante først. Klassisk Information Retrieval (IR): Metoder til homogene samlinger af tekst dokumenter. Moderat antal dokument. Eksempler: Biblioteker, nyhedsarkiver, videnskabelige dokumentsamlinger.
22 IR på Internettet Vanskeligheder: Dokumenter er ikke lokale. Dokumenter er meget forskellige. Dokumentsamling ikke statisk (dokumenter ændrer sig, tilføjes, forsvinder). Meget stort antal dokumenter (milliarder af dokumenter, samlet størrelse måles i Terabytes). Pladsforbrug og svartider kritiske. Distribution og parallelisme er nødvendigt. Mange (f.eks ) relevante dokumenter for mange søgninger. God ranking er essentiel. Fordele: Ekstra struktur: links. 16
23 17 IR på Internettet Yderligere udfordringer: Mange næsten ens dokumenter (30%) Bruger meget forskellige, men utålmodige. Avancerede søgemuligheder bruges ikke. Indexering af og søgning efter ikke-tekstuelle dokumenter. Multimedie. Databaser. Dette foredrag omhandler kun tekstdokumenter.
24 18 Overblik Indledning Google facts Information Retrieval generelt Teknisk mellemspil En søgemaskines dele Crawling Indeksering Søgning og ranking Gør-det-selv Yderligere emner
25 19 Internetgrafen Internettet = en orienteret graf knuder = sider (URL er) kanter = links
26 20 Massive datamængder Hukommelseshierarkiet: RAM CPU Cache2 Reg. Cache1 Disk Tertiary Storage
27 20 Massive datamængder Hukommelseshierarkiet: RAM CPU Cache2 Reg. Cache1 Disk Tertiary Storage Access time Volume Registers 1 cycle 1 Kb Cache2 5 cycles 512 Kb RAM 50 cycles 256 Mb Disk 2,000,000 cycles 80 Gb
28 20 Massive datamængder Hukommelseshierarkiet: RAM CPU Cache2 Reg. Cache1 Disk Tertiary Storage Access time Volume Registers 1 cycle 1 Kb Cache2 5 cycles 512 Kb RAM 50 cycles 256 Mb Disk 2,000,000 cycles 80 Gb For datamængder > > RAM: Disk access er flaskehalsen Disk access skal minimeres (ikke CPU tid)
29 21 Generisk eksempel Én disk-access (I/O) overfører blok (page) med B elementer. To O(n) algoritmer: 1. Virtuel huk. tilgås tilfældigt page fault ved hver tilgang. 2. Virtuel huk. tilgås sekventiel page fault hver B te tilgang.
30 21 Generisk eksempel Én disk-access (I/O) overfører blok (page) med B elementer. To O(n) algoritmer: 1. Virtuel huk. tilgås tilfældigt page fault ved hver tilgang. 2. Virtuel huk. tilgås sekventiel page fault hver B te tilgang.
31 21 Generisk eksempel Én disk-access (I/O) overfører blok (page) med B elementer. To O(n) algoritmer: 1. Virtuel huk. tilgås tilfældigt page fault ved hver tilgang. 2. Virtuel huk. tilgås sekventiel page fault hver B te tilgang. O(N) I/O er vs. O(N/B) I/O er Typically, B 10 3.
32 22 Specifikt Eksempel QuickSort sekventiel tilgang vs. HeapSort tilfældig tilgang QuickSort: HeapSort: O(N log 2 (N/M)/B) O(N log 2 (N/M))
33 23 Standard MergeSort Merge af to sorterede sekvenser sekventiel tilgang. MergeSort: O(N log 2 (N/M)/B) I/O er
34 24 Multiway MergeSort Merge af M/B sorterede sekvenser (M = RAM størrelse). Multiway MergeSort: O(N log M/B (N/M)/B) I/O er
35 25 Overblik Indledning Google facts Information Retrieval generelt Teknisk mellemspil En søgemaskines dele Crawling Indeksering Søgning og ranking Gør-det-selv Yderligere emner
36 26 En søgemaskines dele Indsamling af data: Webcrawling (gennemløb af internetgrafen). Indeksering data: Parsning af dokumenter. Lexicon: indeks (ordbog) over alle ord mødt. Inverted file: for alle ord i lexicon, angiv i hvilke dokumenter de findes. Søgning i data: Find alle dokumenter med søgeordene. Rank dokumenterne.
37 es that can be reached from the core but not vice versa. The other loop consists of 22% of the p t can reach the core, but Generel cannot be reachedopbygning from it. (The remaining nodes can neither reach e nor can be reached from the core.) Figure 1: General search engine architecture 27 [Fra: Arasu et al., Searching the Web]
38 28 Konkret eksempel Google: (1998) [Fra: Brin and Page, Anatomy of... ]
39 29 Overblik Indledning Google facts Information Retrieval generelt Teknisk mellemspil En søgemaskines dele Crawling Indeksering Søgning og ranking Gør-det-selv Yderligere emner
40 30 Crawling Webcrawling = Grafgennemløb S = {startside} repeat fjern en side s fra S parse s og find alle links (s, v) foreach (s, v) if v ikke besøgt før indsæt v i S
41 31 Designovervejelser Startpunkt (initial S). Crawl-strategi (valg af s). Mærkning af besøgte sider. Robusthed. S = {startside} repeat fjern en side s fra S parse s og find alle links (s, v) foreach (s, v) if v ikke besøgt før indsæt v i S Ressourceforbrug (egne og andres ressourcer). Opdatering. Kontinuert vs. periodisk crawling. Output: DB med besøgte dokumenter. DB med links i disse (kanterne i Internetgrafen) DB med DokumentID URL mapning
42 32 Crawl-strategier Breath First Search Depth First Search Random Priority Search Mulige prioriteter: Sider som opdateres ofte (kræver metode til at estimatere opdateringsfrekvens). Efter vigtighed (kræver metode til at estimere vigtighed, f.eks. PageRank).
43 BFS virker godt Average PageRank Day of crawl Average day top N pages were crawled e+06 1e+07 1e+08 top N Figure 1: Average PageRank score by day of crawl Figure 2: Average day on which the top N pages were crawled CS2 is designed to give high-performance access when run on a machine with enough RAM to store the database in memory. On the 667 MHz Compaq AlphaServer ES40 with 16 GB of RAM used in our experiments, it takes ms to convert a URL into an internal id or vice versa, and 0.1 ms/link to retrieve each incoming or outgoing link as an internal id. The database for our crawl of 328 million pages contained 351 million URLs and 6.1 billion links. Therefore, one iteration of PageRank ran in about 15 minutes. 4. AVERAGE PAGE QUALITY OVER A LONG CRAWL [Fra: Najork and Wiener, 2001] Fra et crawl af 328 millioner sider. pages on the same host endorse each other, but few other hosts endorse them. We address this phenomenon later in the last experiment, shown in Figure 4. After N equals 400, the curve steadily increases to day 24.5, the mean download day of the entire crawl. Our next experiment checks that pages with high Page- Rank are not ranked high only because they were crawled early. For example, a page whose outgoing links all point to pages with links back to it might have an artificially high PageRank if all of its outgoing links have been crawled, but not too many other pages. For this experiment we ran the PageRank algorithm on the graph induced by only the first 33
44 pages downloaded from the Stanford domain, and the vertical axis shows the percentage of hot pages PageRank prioritet er endnu bedre downloaded. In the experiment, the crawler started at the Stanford homepage ( and, in three different experimental conditions, selected the next page visit either by the ordering metric (men mere beregningstung... ) IR (P) (PageRank), by IB (P) (backlink), or by following links breadth-first (breadth). The straight line in the graph shows the expected performance of a random crawler. Hot pages crawled 100% 80% 60% 40% Ordering metric: PageRank backlink breadth random 20% 0% 0% 20% 40% 60% 80% 100% Pages crawled Figure 2: The performance of various ordering metrics for IB(P); G = 100 From the graph, we can clearly see that an appropriate ordering metric can significantly improve the performance of the crawler. For example, when the crawler used IB (P) (backlink) as its ordering metric, the crawler downloaded more than 50% of hot pages, when it visited less than 20% of the entire Web. This is a significant improvement compared to a random crawler or a breadth first crawler, which downloaded less than 30% of hot pages at the same point. One interesting result of this experiment is that the PageRank ordering metric, IR (R), shows better performance than the backlink ordering [Fra: Arasu et al., 2001] Fra et crawl af sider på Stanford University. 34
45 35 Mærkning af besøgte sider S < RAM: Hashtabel over besøgte URL er. S > RAM: Fil med sorteret liste af (hashværdier af) besøgte URL er. Ryd S op en gang i mellem: Sorter S. Scan S og listen af besøgte URL er. Opdatér begge under scan.
46 36 Robusthed Normalisering af URLer. Parsning af malformet HTML. Mange filtyper. Forkert content-type fra server. Forkert HTTP response code fra server. Enorme filer. Uendelige URL-løkker (crawler traps)..
47 36 Robusthed Normalisering af URLer. Parsning af malformet HTML. Mange filtyper. Forkert content-type fra server. Forkert HTTP response code fra server. Enorme filer. Uendelige URL-løkker (crawler traps).. Vær konservativ opgiv at finde alt. Crawling tager måneder brug checkpoints.
48 37 Ressourceforbrug Egne ressourcer Båndbredde (global request rate) Lagerplads (brug kompakte representationer) Distribuér på flere maskiner (opdel f.eks. rummet af ULR er)
49 37 Ressourceforbrug Egne ressourcer Båndbredde (global request rate) Lagerplads (brug kompakte representationer) Distribuér på flere maskiner (opdel f.eks. rummet af ULR er) Andres ressourcer (politeness) Båndbredde (lokal request rate). Tommelfingerregel: 30 sekunder mellem request til samme site. Robots Exclusion Protocol ( Giv kontakt info i HTTP-request.
50 38 Erfaringer ang. effektivitet Brug caching (DNS opslag, URL er). files, senest mødte Flaskehals er ofte I/O under tilgang til datastrukturerne CPU cycler er ikke flaskehals (Java og scripting languages er OK).
51 38 Erfaringer ang. effektivitet Brug caching (DNS opslag, URL er). files, senest mødte Flaskehals er ofte I/O under tilgang til datastrukturerne CPU cycler er ikke flaskehals (Java og scripting languages er OK). En tunet crawler (på een eller få maskiner) kan crawle sider/sek 35 mio sider/dag.
52 [Fra: Najork and Heydon, 2001] contained in it. For each of the extracted links, ensure that it is an absolute URL (derelativizing it if necessary), and add it to the list of URLs to download, provided it has not been encountered before. If 39 Konkret eksempel: Mercator Mercator DNS Resolver 4 Content Seen? Doc FPs I N T E R N E T 2 3 HTTP FTP RIS Link URL DUE Extractor Filter Tag Counter Log URL Set URL Frontier Queue Files 1 Gopher GIF Stats Log Protocol Modules Processing Modules Figure 1: Mercator s main components.
53 10 40 Detaljer: Politeness Polite, Dynamic, Prioritizing Frontier Prioritizer k Front end FIFO queues (one per priority level) Random queue chooser with bias to high priority queues Back end queue router Host to queue table A 3 C 1 F n X 2 Priority queue (e.g., heap) 1 C C C 2 X X X 3 A A A Back end FIFO queues (many more than worker threads) n F F F 2 n 1 3 Back end queue selector Figure 3: Our best URL frontier implementation [Fra: Najork and Heydon, 2001]
54 3,173 different content types (many of which are misspellings of common types). Figure 7 shows the percentages of the the most common types. Statistik 2 As a point of comparison, the current Google index contains about 700 million fu pages (the index size claimed on the Google home page 1.35 billion includes URL been discovered, but not yet downloaded). 200 OK (81.36%) 404 Not Found (5.94%) 302 Moved temporarily (3.04%) Excluded by robots.txt (3.92%) TCP error (3.12%) DNS error (1.02%) Other (1.59%) Figure 6: Outcome of download attempts text/html (65.34%) image/gif (15.77%) image/jpeg (14.36%) text/plain (1.24%) application/pdf (1.04%) Other (2.26%) Figure 7: Distribution of content types e course of 17 days. 2 Figure 5a shows the number of URLs processed per the crawl; Figure 5b shows the bandwidth consumption over the life of the 20% The periodic downspikes are caused by the crawler checkpointing its state day. The crawl 15% was network-limited over its entire life; CPU load was below nd disk activity was low as well. any web user 10% knows, not all download attempts are successful. During wl, we collected statistics about the outcome of each download attempt. 5% 6 shows the outcome percentages. Of the 891 million processed URLs, 35 were excluded from download by robots.txt files, and 9 million referred to xistent web server; in other words, the crawler performed 847 million HTTP ts. 725 million of these requests returned an HTTP status code of 200 (i.e., uccessful), 94 million returned an HTTP status code other than 200, and 28 encountered a TCP failure. ere are many different types of content on the internet, such as HTML pages, d JPEG images, MP3 audio files, and PDF documents. The MIME (Mul K 2K 4K 8K 16K 32K 64K 128K 256K 512K 1M Figure 8: Distribution of document sizes pages (of type text/html) account for nearly two-thirds of all documents; images (in both GIF and JPEG formats) account for another 30%; all other content types combined account for less than 5%
55 correlated. However, there are some interesting wrinkles. For example, the.edu 42 Zipfian. Finally, Figure 10 shows the distributions of web servers and web pages across top-level domains. About half of the servers and pages fall into the.com domain. For the most part, the numbers of hosts and pages in a top-level domain are well- Statistik 4M 64G 1M 16G 4G 256K 1G 256M 64K 64M 16K 16M 4M 4K 1M 256K 1K 64K K 4K 64 1K (a) Distribution of pages over web servers (b) Distribution of bytes over web servers Figure 9: Document and web server size distributions 16.com (47.20%).de (7.93%).net (7.88%).org (4.63%).uk (3.29%) raw IP addresses (3.25%).jp (1.80%).edu (1.53%).ru (1.35%).br (1.31%).kr (1.30%).nl (1.05%).pl (1.02%).au (0.95%) Other (15.52%) (a) Distribution of hosts over top-level domains.com (51.44%).net (6.74%).org (6.31%).edu (5.56%).jp (4.09%).de (3.37%).uk (2.45%) raw IP addresses (1.43%).ca (1.36%).gov (1.19%).us (1.14%).cn (1.08%).au (1.08%).ru (1.00%) Other (11.76%) (b) Distribution of pages over top-level domains [Fra: Najork and Heydon, 2001] Figure 10: Distribution of hosts and pages over top-level domains
56 43 Overblik Indledning Google facts Information Retrieval generelt Teknisk mellemspil En søgemaskines dele Crawling Indeksering Søgning og ranking Gør-det-selv Yderligere emner
57 44 Indeksering af dokumenter Opgave: Preprocessér en dokumentsamling så dokumenter med et givet søgeord kan blive returneret hurtigt. Input: dokumentsamling. Output: søgestruktur
58 45 Løsning Inverted file + lexicon Inverted file = for hvert ord w en liste af dokumenter indeholdende w. Lexicon = ordbog over alle ord i dokumentsamlingen. (key = ord, value = pointer til liste i inverted file + evt. ekstra info for ordet, f.eks. længde af listen)
59 45 Løsning Inverted file + lexicon Inverted file = for hvert ord w en liste af dokumenter indeholdende w. Lexicon = ordbog over alle ord i dokumentsamlingen. (key = ord, value = pointer til liste i inverted file + evt. ekstra info for ordet, f.eks. længde af listen) For en milliard dokumenter: Inverted files totalt antal ord 100 mia Lexicon antal forskellige ord 1 mio Disk RAM
60 46 Lexicon Kan være i RAM, så almindelige ordbogs-datastrukturer er OK. F.eks.: Binær søgning i sorteret liste af ord. Hash tabeller. Tries, suffix træer, suffix arrays.
61 47 Inverted File Simpel (forekomst af ord i dokument): ord 1 : DocID, DocID, DocID ord 2 : DocID, DocID ord 3 : DocID, DocID, DocID, DocID, DocID,.... Detaljeret (alle forekomster af ord i dokument): ord 1 : DocID, Position, Position, DocID, Position.... Endnu mere detaljeret: Forekomst annoteret med info (heading, boldface, anchor text,... ). Kan bruges under ranking.
62 48 Komprimer inverted file Specifikke metoder Gem differencen mellem DocID er (ikke absolutte DocID er). Kod denne difference effektivt. Generiske værktøjer (zip,... ) Komprimer hver liste. Opdel lister i blokke, komprimer hver blok.
63 49 Parsning af dokumenter Find ord Fjern mark-up, scripts,... Definition af ord? (sekvens af alfanumeriske tegn, længde max 256, max 4 digits). Lowercase Tegnsæt? ascii, latin-1, Unicode,.... Stemming? ( funktion, funktionalitet,... funktio ). Stop ord? (udelad hyppige ord som og, er,... ).
64 50 Bygning af index foreach dokument D i samlingen Parse D og identificér ord foreach ord w Udskriv (DocID, w) if w ikke i lexicon indsæt w i lexicon (1, 2), (1, 37),..., (1, 123), (2, 34), (2, 37),..., (2, 101), (3, 486),... External Sorting Hashing (22, 1), (77, 1),..., (198, 1), (1, 2), (22, 2),..., (345, 2), (67, 3),... inverted file
65 51 Overblik Indledning Google facts Information Retrieval generelt Teknisk mellemspil En søgemaskines dele Crawling Indeksering Søgning og ranking Gør-det-selv Yderligere emner
66 52 Søgning og Ranking Query: computer AND science: 1. Slå computer og science op i lexicon. Giver adresse på disk hvor deres lister starter. 2. Scan disse lister og flet dem (returnér DocID er som er med i begge lister). computer: 12, 15, 117, 155, 256,... science: 5, 27, 117, 119, 256, Udregn rank af fundne DocID er. Hent de 10 højst rank ede i dokumentsamling og returnér URL samt kontekst fra dokument til bruger. OR og NOT kan laves tilsvarende. Hvis lister har ord-positioner kan frase-søgninger ( computer science ) og proximity-søgningner ( computer tæt på science ) også laves.
67 53 Tekstbaseret ranking Vægt forekomsten af et ord med f.eks. Antal forekomster i dokumentet. Ordets typografi (fed skrift, overskrift,... ) Forekomst i META-tags. Forekomst i tekst ved links som peger på siden Forbedring, men ikke nok på Internettet (rankning af f.eks relevante dokumenter). Let at spamme (fyld siden med søge-ord).
68 54 Linkbaseret ranking Idé 1: Link til en side anbefaling af den. Vægt en side med dens indgrad i webgrafen. MEN: Let at spamme (opret en masse links til din side).
69 55 Linkbaseret ranking Idé 1: Link til en side anbefaling af den. Idé 2: Anbefalinger fra vigtige sider skal vægte mere. PageRank Rekursiv def: r(j) = i B(j) r(i)/n(i) r(j) = pagerank af side j, B(j) = sider som peger på side j, N(i) = udgrad af side i. r = ra A = nabomatricen for webgrafen (normaliseret, d.v.s. indgangene i række i divideret med N(i)).
70 56 Beregning af PageRank PageRank vektoren r er egenvektor for A. r = ra Matematisk teori (ergodisk sætning om random walks): For vilkårlig startvektor x: xa k r for k hvis A opfylder visse betingelser.
71 57 Beregning af PageRank For at opfylde betingelser i PageRank: erstat A med 0.85A E, hvor E er en (normaliseret) nabomatrice som indeholder kanter fra alle sider til alle sider. Vægtningen 85 15% er valgt ud fra at den har vist sig god i praksis. Beregning: Gentag r ny = rgl.(0.85a E) I praksis: iterationer er nok.
72 58 PageRank websurfer PageRank beregning kan opfattes som en websurfer som (i uendelig lang tid) i hver skridt med 85% ss. vælger at følge et tilfældigt link fra nuværende side, med 15% ss. vælger at gå til en tilfældig side i hele internettet. PageRank for en side x er lig den procentdel af hans besøg som er til side x. Med andre ord: PageRank-vektoren er den stationære fordeling for ovennævnte Random Walk.
73 59 Overblik Indledning Google facts Information Retrieval generelt Teknisk mellemspil En søgemaskines dele Crawling Indeksering Søgning og ranking Gør-det-selv Yderligere emner
74 60 Gør-det-selv MIA Searching the Danish Web Programmeringsprojekt i kurset Algorithms for Web Indexing and Searching. Opgave: lav en søgemaskine for domæne 15 studerende. 4 parallelt arbejdende grupper (crawling, indexing, PageRank, søgning/brugergrænseflade). Google googol, Mia milliard. Se resultatet på:.
75 61 Overblik Indledning Google facts Information Retrieval generelt Teknisk mellemspil En søgemaskines dele Crawling Indeksering Søgning og ranking Gør-det-selv Yderligere emner
76 62 Yderligere Emner F.eks.: Andre link-baserede ranking metoder (Kleinbergs HITS ). Egenskaber ved webgrafen. Graf-modeller som kan forudsige disse egenskaber. Identifikation af mirrors/dubletter (websider og hele websites). Spil-teori anvendt på Internettet. Se litteraturlisten på
Internetsøgemaskiner. Gerth Stølting Brodal Datalogisk Institut Aarhus Universitet
Internetsøgemaskiner Gerth Stølting Brodal Datalogisk Institut Aarhus Universitet 1 Internettet Meget stor mængde ustruktureret information Hvordan finder man relevant info? Søgemaskiner! 94: Lycos,...
Læs mereInternetsøgemaskiner
Internetsøgemaskiner Gerth Stølting Brodal Datalogisk Institut Aarhus Universitet Ungdommens Naturvidenskabelige Forening Ålborg, 27. februar 2007 1 Overblik Indledning Google facts Internetgrafen En søgemaskines
Læs mereInternetsøgemaskiner. Gerth Stølting Brodal Datalogisk Institut Aarhus Universitet
Internetsøgemaskiner Gerth Stølting Brodal Datalogisk Institut Aarhus Universitet 1 Overblik Indledning Google facts Internetgrafen En søgemaskines dele Crawling Indeksering Søgning og ranking Afslutning
Læs mereInternetsøgemaskiner
Internetsøgemaskiner Gerth Stølting Brodal Datalogisk Institut Aarhus Universitet Ungdommens Naturvidenskabelige Forening i Århus, 9. december 2004 1 Overblik Indledning Google facts Information retrieval
Læs mereInternetsøgemaskiner
Internetsøgemaskiner Gerth Stølting Brodal Datalogisk Institut Aarhus Universitet Ungdommens Naturvidenskabelige Forening Ålborg, 22. september 2009 1 Internetsøgemaskiner (September 2009) [Fra: marketshare.hitslink.com]
Læs mereSøgemaskiner. Hvordan virker søgemaskinerne på internettet? Gerth Stølting Brodal Datalogisk Institut Aarhus Universitet
Søgemaskiner Hvordan virker søgemaskinerne på internettet? Gerth Stølting Brodal Datalogisk Institut Aarhus Universitet Udviklerkonference, Danske Bank, Brabrand, 23. november 2004 1 2 3 Overblik Indledning
Læs merePerspektiverende Datalogi Internetalgoritmer. Gerth Stølting Brodal
Perspektiverende Datalogi Internetalgoritmer Gerth Stølting Brodal dpersp - Internetalgoritmer Brin, S. and Page, L. (1998) The Anatomy of a Large-Scale Hypertextual Web Search Engine. In: Seventh International
Læs mereSådan virker. (måske) Gerth Stølting Brodal. Datalogisk Institut Aarhus Universitet
Google logo 24. august 2011 Sådan virker (måske) Gerth Stølting Brodal Datalogisk Institut Aarhus Universitet Ungdommens Naturvidenskabelige Forening Aarhus, 25. august 2011 Hvornår har du sidst brugt
Læs merePerspektiverende Datalogi 2011
Perspektiverende Datalogi 2011 Internetalgoritmer Gerth Stølting Brodal Christian S. Jensen Erik Meineche Schmidt Niels Olof Bouvin Internetsøgemaskiner (2. oktober 2011) marketshare.hitslink.com Historiske
Læs mereSådan virker. (måske) Gerth Stølting Brodal. Datalogisk Institut Aarhus Universitet
Sådan virker (måske) Gerth Stølting Brodal Datalogisk Institut Aarhus Universitet 16. maj 2012 Hvornår har du sidst brugt Google? a) Seneste time b) Idag c) Denne uge d) Denne måned e) Aldrig Internetsøgemaskiner
Læs merePerspektiverende Datalogi Internetalgoritmer. MapReduce. Gerth Stølting Brodal
Perspektiverende Datalogi Internetalgoritmer MapReduce Gerth Stølting Brodal MapReduce Implementationer Dean, F. and Ghemawat, S. (2004) MapReduce: Simplified Data Processing on Large Clusters. In: Sixth
Læs merePARALLELIZATION OF ATTILA SIMULATOR WITH OPENMP MIGUEL ÁNGEL MARTÍNEZ DEL AMOR MINIPROJECT OF TDT24 NTNU
PARALLELIZATION OF ATTILA SIMULATOR WITH OPENMP MIGUEL ÁNGEL MARTÍNEZ DEL AMOR MINIPROJECT OF TDT24 NTNU OUTLINE INEFFICIENCY OF ATTILA WAYS TO PARALLELIZE LOW COMPATIBILITY IN THE COMPILATION A SOLUTION
Læs mereProject Step 7. Behavioral modeling of a dual ported register set. 1/8/ L11 Project Step 5 Copyright Joanne DeGroat, ECE, OSU 1
Project Step 7 Behavioral modeling of a dual ported register set. Copyright 2006 - Joanne DeGroat, ECE, OSU 1 The register set Register set specifications 16 dual ported registers each with 16- bit words
Læs mereSEARCH ENGINE OPTIMIZATION
SEARCH ENGINE OPTIMIZATION Søgeord og online marketing v. Kristian Stoffregen Tørning, Lektor (MPL) / Maj 2013 Program 1. Hvordan søger brugerne? 2. Hvordan ved søgemaskinen, hvad der er relevant? 3. Praktisk
Læs mereHelp / Hjælp
Home page Lisa & Petur www.lisapetur.dk Help / Hjælp Help / Hjælp General The purpose of our Homepage is to allow external access to pictures and videos taken/made by the Gunnarsson family. The Association
Læs mereMålet for disse slides er at diskutere nogle metoder til at gemme og hente data effektivt.
Merging og hashing Mål Målet for disse slides er at diskutere nogle metoder til at gemme og hente data effektivt. Dette emne er et uddrag af kurset DM507 Algoritmer og datastrukturer (2. semester). Mål
Læs mereIBM Network Station Manager. esuite 1.5 / NSM Integration. IBM Network Computer Division. tdc - 02/08/99 lotusnsm.prz Page 1
IBM Network Station Manager esuite 1.5 / NSM Integration IBM Network Computer Division tdc - 02/08/99 lotusnsm.prz Page 1 New esuite Settings in NSM The Lotus esuite Workplace administration option is
Læs mereMålet for disse slides er at beskrive nogle algoritmer og datastrukturer relateret til at gemme og hente data effektivt.
Merging og hashing Mål Målet for disse slides er at beskrive nogle algoritmer og datastrukturer relateret til at gemme og hente data effektivt. Dette emne er et uddrag af kurset DM507 Algoritmer og datastrukturer
Læs mereBlack Jack --- Review. Spring 2012
Black Jack --- Review Spring 2012 Simulation Simulation can solve real-world problems by modeling realworld processes to provide otherwise unobtainable information. Computer simulation is used to predict
Læs mereWebsite review groweasy.dk
Website review groweasy.dk Generated on September 01 2016 10:32 AM The score is 56/100 SEO Content Title Webbureau Odense GrowEasy hjælper dig med digital markedsføring! Length : 66 Perfect, your title
Læs mereDET KONGELIGE BIBLIOTEK NATIONALBIBLIOTEK OG KØBENHAVNS UNIVERSITETS- BIBLIOTEK. Index
DET KONGELIGE Index Download driver... 2 Find the Windows 7 version.... 2 Download the Windows Vista driver.... 4 Extract driver... 5 Windows Vista installation of a printer.... 7 Side 1 af 12 DET KONGELIGE
Læs mereNetværk & elektronik
Netværk & elektronik Oversigt Ethernet og IP teori Montering af Siteplayer modul Siteplayer teori Siteplayer forbindelse HTML Router (port forwarding!) Projekter Lkaa Mercantec 2009 1 Ethernet På Mars
Læs mereVores mange brugere på musskema.dk er rigtig gode til at komme med kvalificerede ønsker og behov.
På dansk/in Danish: Aarhus d. 10. januar 2013/ the 10 th of January 2013 Kære alle Chefer i MUS-regi! Vores mange brugere på musskema.dk er rigtig gode til at komme med kvalificerede ønsker og behov. Og
Læs mereBasic statistics for experimental medical researchers
Basic statistics for experimental medical researchers Sample size calculations September 15th 2016 Christian Pipper Department of public health (IFSV) Faculty of Health and Medicinal Science (SUND) E-mail:
Læs mereSkriftlig Eksamen Kombinatorik, Sandsynlighed og Randomiserede Algoritmer (DM528)
Skriftlig Eksamen Kombinatorik, Sandsynlighed og Randomiserede Algoritmer (DM58) Institut for Matematik og Datalogi Syddansk Universitet, Odense Torsdag den 1. januar 01 kl. 9 13 Alle sædvanlige hjælpemidler
Læs mereApache Lucene og Solr
Apache Lucene og Solr Jana Kunert feymour@gmail.com The Camp 2015 July 21, 2015 1 / 25 Table of Contents Hvem er jeg Lucene Søgning Indeksering Querying Solr Hvorfor Solr? Demo Hvad skal jeg bruge? Links
Læs mereTo the reader: Information regarding this document
To the reader: Information regarding this document All text to be shown to respondents in this study is going to be in Danish. The Danish version of the text (the one, respondents are going to see) appears
Læs mereSortering fra A-Z. Henrik Dorf Chefkonsulent SAS Institute
Sortering fra A-Z Henrik Dorf Chefkonsulent SAS Institute Hvorfor ikke sortering fra A-Å? Det er for svært Hvorfor ikke sortering fra A-Å? Hvorfor ikke sortering fra A-Å? Hvorfor ikke sortering fra A-Å?
Læs merePortal Registration. Check Junk Mail for activation . 1 Click the hyperlink to take you back to the portal to confirm your registration
Portal Registration Step 1 Provide the necessary information to create your user. Note: First Name, Last Name and Email have to match exactly to your profile in the Membership system. Step 2 Click on the
Læs mereWebside score akcpdistributor.de.cutestatvalue.com
Webside score akcpdistributor.de.cutestatvalue.com Genereret Juli 19 2019 10:28 AM Scoren er 47/100 SEO Indhold Titel akcp-distributor.de is worth $ 8.95 - Website Worth, Calculator Længde : 64 Perfekt,
Læs mereTilgang til data. To udbredte metoder for at tilgå data: Sekventiel tilgang Random access: tilgang via ID (også kaldet key, nøgle) for dataelementer.
Merging og Hashing Tilgang til data To udbredte metoder for at tilgå data: Sekventiel tilgang Random access: tilgang via ID (også kaldet key, nøgle) for dataelementer. API for sekventiel tilgang (API =
Læs mereWebside score seo-haip.com
Webside score seo-haip.com Genereret Maj 08 2019 15:11 PM Scoren er 44/100 SEO Indhold Titel Seo Haip Længde : 8 Kan optimeres; Optimalt bør din titel indeholde mellem 10 og 70 karakterer (med mellemrum)
Læs mereIBM WebSphere Operational Decision Management
IBM WebSphere Operational Decision Management 8 0 29., WebSphere Operational Decision Management 8, 0, 0. Copyright IBM Corporation 2008, 2012. ........... 1 :......... 1 1: Decision Center....... 3 1
Læs mereStatistical information form the Danish EPC database - use for the building stock model in Denmark
Statistical information form the Danish EPC database - use for the building stock model in Denmark Kim B. Wittchen Danish Building Research Institute, SBi AALBORG UNIVERSITY Certification of buildings
Læs mereDa beskrivelserne i danzig Profile Specification ikke er fuldt færdige, foreslås:
NOTAT 6. juni 2007 J.nr.: 331-3 LEA Bilag A danzig-møde 15.6.2007 Opdatering af DAN-1 og danzig Profile Specification Forslag til opdatering af Z39.50 specifikationerne efter udgivelse af Praksisregler
Læs mereTilgang til data. To udbredte metoder for at tilgå data: Sekventiel tilgang Random access: tilgang via ID (key, nøgle) for dataelementer.
Merging og Hashing Tilgang til data To udbredte metoder for at tilgå data: Sekventiel tilgang Random access: tilgang via ID (key, nøgle) for dataelementer. API for sekventiel tilgang (API = Application
Læs mereSkriftlig Eksamen Beregnelighed (DM517)
Skriftlig Eksamen Beregnelighed (DM517) Institut for Matematik & Datalogi Syddansk Universitet Mandag den 31 Oktober 2011, kl. 9 13 Alle sædvanlige hjælpemidler (lærebøger, notater etc.) samt brug af lommeregner
Læs mere3D NASAL VISTA TEMPORAL
USER MANUAL www.nasalsystems.es index index 2 I. System requirements 3 II. Main menu 4 III. Main popup menu 5 IV. Bottom buttons 6-7 V. Other functions/hotkeys 8 2 I. Systems requirements ``Recommended
Læs merePrivat-, statslig- eller regional institution m.v. Andet Added Bekaempelsesudfoerende: string No Label: Bekæmpelsesudførende
Changes for Rottedatabasen Web Service The coming version of Rottedatabasen Web Service will have several changes some of them breaking for the exposed methods. These changes and the business logic behind
Læs merehow to save excel as pdf
1 how to save excel as pdf This guide will show you how to save your Excel workbook as PDF files. Before you do so, you may want to copy several sheets from several documents into one document. To do so,
Læs mereSortering. Eksempel: De n tal i sorteret orden
Sortering 1 / 32 Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden 6, 2, 9, 4, 5, 1, 4, 3 1, 2, 3, 4, 4, 5, 9 2 / 32 Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden
Læs mere3D NASAL VISTA 2.0
USER MANUAL www.nasalsystems.es index index 2 I. System requirements 3 II. Main menu 4 III. Main popup menu 5 IV. Bottom buttons 6-7 V. Other functions/hotkeys 8 2 I. Systems requirements ``Recommended
Læs mereHvor er mine runde hjørner?
Hvor er mine runde hjørner? Ofte møder vi fortvivlelse blandt kunder, når de ser deres nye flotte site i deres browser og indser, at det ser anderledes ud, i forhold til det design, de godkendte i starten
Læs mereSoftware 1 with Java. Recitation No. 7 (Servlets, Inheritance)
Software 1 with Java Recitation No. 7 (Servlets, Inheritance) Servlets Java modules that run on a Web server to answer client requests For example: Processing data submitted by a browser Providing dynamic
Læs mereWebside score templatedownload.org
Webside score templatedownload.org Genereret Oktober 18 2015 05:21 AM Scoren er 43/100 SEO Indhold Titel FREE Template Download Længde : 22 Perfekt, din titel indeholder mellem 10 og 70 bogstaver. Beskrivelse
Læs mereSortering. Eksempel: De n tal i sorteret orden
Sortering 1 / 34 Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden 6, 2, 9, 4, 5, 1, 4, 3 1, 2, 3, 4, 4, 5, 9 2 / 34 Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden
Læs mereSortering af information er en fundamental og central opgave.
Sortering Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden 6, 2, 9, 4, 5, 1, 4, 3 1, 2, 3, 4, 4, 5, 9 Mange opgaver er hurtigere i sorteret information (tænk på ordbøger, telefonbøger,
Læs mereapplies equally to HRT and tibolone this should be made clear by replacing HRT with HRT or tibolone in the tibolone SmPC.
Annex I English wording to be implemented SmPC The texts of the 3 rd revision of the Core SPC for HRT products, as published on the CMD(h) website, should be included in the SmPC. Where a statement in
Læs mereWebside score skillers.tech
Webside score skillers.tech Genereret Marts 28 2019 16:56 PM Scoren er 55/100 SEO Indhold Titel Skillers - Quality IT Recruiting services Længde : 41 Perfekt, din titel indeholder mellem 10 og 70 bogstaver.
Læs mereSider og segmenter. dopsys 1
Sider og segmenter dopsys 1 Lokal vs global sideallokering (1) Med (a) som udgangspunkt giver (b) lokal hhv. (c) global allokering forskellige resultater dopsys 2 Lokal vs global sideallokering (2) Den
Læs mereVina Nguyen HSSP July 13, 2008
Vina Nguyen HSSP July 13, 2008 1 What does it mean if sets A, B, C are a partition of set D? 2 How do you calculate P(A B) using the formula for conditional probability? 3 What is the difference between
Læs mereThe X Factor. Målgruppe. Læringsmål. Introduktion til læreren klasse & ungdomsuddannelser Engelskundervisningen
The X Factor Målgruppe 7-10 klasse & ungdomsuddannelser Engelskundervisningen Læringsmål Eleven kan give sammenhængende fremstillinger på basis af indhentede informationer Eleven har viden om at søge og
Læs mereIBM WebSphere Operational Decision Management
IBM WebSphere Operational Decision Management 8 0 45., WebSphere Operational Decision Management 8, 0, 0. Copyright IBM Corporation 2008, 2012. ........... 1 1:........ 2....... 3 Event Runtime...... 11...........
Læs mereDagens program. Domæner. change log- screen shots hver gang I har arbejdet med themet. Arkitekturen bag en wp blog. Hvad er widgets.
Dagens program Har alle fået? Har nogen betalt for meget? Hav jeres koder klar Domæner change log- screen shots hver gang I har arbejdet med themet. Arkitekturen bag en wp blog Hvad er widgets Hvad er
Læs mereArbejsskadeAnmeldelse
ArbejsskadeAnmeldelse OpretAnmeldelse 001 All Klassifikations: KlassifikationKode is an unknown value in the current Klassifikation 002 All Klassifikations: KlassifikationKode does not correspond to KlassifikationTekst
Læs mereThe purpose of our Homepage is to allow external access to pictures and videos taken/made by the Gunnarsson family.
General The purpose of our Homepage is to allow external access to pictures and videos taken/made by the Gunnarsson family. Formålet med vores hjemmesiden er at gøre billeder og video som vi (Gunnarsson)
Læs mereOverview LINKING METRICS BACKLINKS TYPES. URL Rating Domain Rating Backlinks Referring Domains. Referring Pages 173. text 173. Total Backlinks 184
Overview URL Rating Domain Rating Backlinks Referring Domains 12 35 184 11 0 0 0 0 LINKING METRICS Referring Pages 173 Total Backlinks 184 Crawled Pages 1 Referring IPs 9 Referring Subnets 8 Referring
Læs mereWordCamp Denmark Hurtigere websites med simple optimeringer. Tobias Borg Petersen Digicure A/S
WordCamp Denmark Hurtigere websites med simple optimeringer Tobias Borg Petersen Digicure A/S Hvem er jeg Tobias Borg Petersen Team Lead & Performancekonsulent Front End udvikler (.NET) tbp@digicure.dk
Læs mereTerminologi. Search Engine Marketing (SEM) Search Engine Optimization (SEO) Black Hat SEO White Hat SEO Pay Per Click (PPC)
Terminologi Search Engine Marketing (SEM) Search Engine Optimization (SEO) Black Hat SEO White Hat SEO Pay Per Click (PPC) Definition 1 SEO is a technique which helps search engines find and rank your
Læs mereOverview LINKING METRICS BACKLINKS TYPES. URL Rating Domain Rating Backlinks Referring Domains. Referring Pages 129. text 129. Total Backlinks 129
Overview URL Rating Domain Rating Backlinks Referring Domains 10 41 129 15 0 0 0 2 LINKING METRICS Referring Pages 129 Total Backlinks 129 Crawled Pages 1 Referring IPs 15 Referring Subnets 12 Referring
Læs mere6 Ugers Digital Markedsførings Uddannelse. Online Marketing SEO Præsentation Anders Sevelsted Bigum&Co Amagerbrogade
6 Ugers Digital Markedsførings Uddannelse Bigum&Co Kursist hemmeligt Anders Sevelsted Underviser & Foredragsholder Teori Vs. Praksis Viden Vs. Færdigheder Hvad forventes det i kan når vi er færdig? Skal
Læs mereUnitel EDI MT940 June 2010. Based on: SWIFT Standards - Category 9 MT940 Customer Statement Message (January 2004)
Unitel EDI MT940 June 2010 Based on: SWIFT Standards - Category 9 MT940 Customer Statement Message (January 2004) Contents 1. Introduction...3 2. General...3 3. Description of the MT940 message...3 3.1.
Læs mereQUICK START Updated:
QUICK START Updated: 24.08.2018 For at komme hurtigt og godt igang med dine nye Webstech produkter, anbefales at du downloader den senest opdaterede QuickStart fra vores hjemmeside: In order to get started
Læs mereResource types R 1 1, R 2 2,..., R m CPU cycles, memory space, files, I/O devices Each resource type R i has W i instances.
System Model Resource types R 1 1, R 2 2,..., R m CPU cycles, memory space, files, I/O devices Each resource type R i has W i instances. Each process utilizes a resource as follows: request use e.g., request
Læs mereEnterprise Search fra Microsoft
Enterprise Search fra Microsoft Sådan kommer du i gang med search i Microsoft SharePoint Server 2007 Simon Tange Mortensen Solution Sales Specialist Microsoft Danmark simontm@microsoft.com Flere grænseflader
Læs mereQUICK START Updated: 18. Febr. 2014
QUICK START Updated: 18. Febr. 2014 For at komme hurtigt og godt igang med dine nye Webstech produkter, anbefales at du downloader den senest opdaterede QuickStart fra vores hjemmeside: In order to get
Læs mereUser Manual for LTC IGNOU
User Manual for LTC IGNOU 1 LTC (Leave Travel Concession) Navigation: Portal Launch HCM Application Self Service LTC Self Service 1. LTC Advance/Intimation Navigation: Launch HCM Application Self Service
Læs mereUserguide. NN Markedsdata. for. Microsoft Dynamics CRM 2011. v. 1.0
Userguide NN Markedsdata for Microsoft Dynamics CRM 2011 v. 1.0 NN Markedsdata www. Introduction Navne & Numre Web Services for Microsoft Dynamics CRM hereafter termed NN-DynCRM enable integration to Microsoft
Læs mereNetværksalgoritmer 1
Netværksalgoritmer 1 Netværksalgoritmer Netværksalgoritmer er algoritmer, der udføres på et netværk af computere Deres udførelse er distribueret Omfatter algoritmer for, hvorledes routere sender pakker
Læs mereECE 551: Digital System * Design & Synthesis Lecture Set 5
ECE 551: Digital System * Design & Synthesis Lecture Set 5 5.1: Verilog Behavioral Model for Finite State Machines (FSMs) 5.2: Verilog Simulation I/O and 2001 Standard (In Separate File) 3/4/2003 1 ECE
Læs mereSortering af information er en fundamental og central opgave.
Sortering 1 / 36 Sortering Input: Output: Eksempel: n tal De n tal i sorteret orden 6, 2, 9, 4, 5, 1, 4, 3 1, 2, 3, 4, 4, 5, 6, 9 Mange opgaver er hurtigere i sorteret information (tænk på ordbøger, telefonbøger,
Læs mereIP version 6. Kapitel 3: IPv6 in Depth Baseret på bogen: Cisco Self-study: Implementing Cisco IPv6 Networks Henrik Thomsen V1.0.
IP version 6 Kapitel 3: IPv6 in Depth Baseret på bogen: Cisco Self-study: Implementing Cisco IPv6 Networks Henrik Thomsen V1.0 Indhold ICMPv6 Neighbor Discovery Protocol Stateless Autoconfiguration 1 ICMPv6
Læs mereWIKI & Lady Avenue New B2B shop
WIKI & Lady Avenue New B2B shop Login Login: You need a personal username and password Du skal bruge et personligt username og password Only Recommended Retail Prices Viser kun vejl.priser! Bestilling
Læs mereHeuristics for Improving
Heuristics for Improving Model Learning Based Testing Muhammad Naeem Irfan VASCO-LIG LIG, Computer Science Lab, Grenoble Universities, 38402 Saint Martin d Hères France Introduction Component Based Software
Læs mereWebside score digitalenvelopes.
Webside score digitalenvelopes.email Genereret November 01 2015 11:45 AM Scoren er 59/100 SEO Indhold Titel digitalenvelopes.email Encrypted Webmail Længde : 42 Perfekt, din titel indeholder mellem 10
Læs mereLearnings from the implementation of Epic
Learnings from the implementation of Epic Appendix Picture from Region H (2016) A thesis report by: Oliver Metcalf-Rinaldo, oliv@itu.dk Stephan Mosko Jensen, smos@itu.dk Appendix - Table of content Appendix
Læs mereProgrammeringscamp. Implementer funktionerne én for én og test hele tiden.
Programmeringscamp De to opgaver træner begge i at lave moduler som tilbyder services der kan bruges af andre, samt i at implementere services efter en abstrakt forskrift. Opgave 1 beder jer om at implementere
Læs mereWebside score kcinterfaith.org
Webside score kcinterfaith.org Genereret Juli 17 2015 03:48 AM Scoren er 40/100 SEO Indhold Titel Greater Kansas City Interfaith Council Længde : 38 Perfekt, din titel indeholder mellem 10 og 70 bogstaver.
Læs mereBasic Design Flow. Logic Design Logic synthesis Logic optimization Technology mapping Physical design. Floorplanning Placement Fabrication
Basic Design Flow System design System/Architectural Design Instruction set for processor Hardware/software partition Memory, cache Logic design Logic Design Logic synthesis Logic optimization Technology
Læs mereCHAPTER 8: USING OBJECTS
Ruby: Philosophy & Implementation CHAPTER 8: USING OBJECTS Introduction to Computer Science Using Ruby Ruby is the latest in the family of Object Oriented Programming Languages As such, its designer studied
Læs mereUdbud på engelsk i UCL. Skabelon til beskrivelse
Udbud på engelsk i UCL Skabelon til beskrivelse Indhold 1. Forord... 3 2. What to do... 3 3. Skabelon... 4 3.1 Course Overview... 4 3.2 Target Group... 4 3.3 Purpose of the module... 4 3.4 Content of the
Læs mereEn guidet tur gennem Clilstore
En guidet tur gennem Clilstore Elementære skridt Dette er en trin for trin demonstration af hvordan man kan lave en online webside (Unit) med video samt tekst hvor alle ordene er kædet til en lang række
Læs mereSubject to terms and conditions. WEEK Type Price EUR WEEK Type Price EUR WEEK Type Price EUR WEEK Type Price EUR
ITSO SERVICE OFFICE Weeks for Sale 31/05/2015 m: +34 636 277 307 w: clublasanta-timeshare.com e: roger@clublasanta.com See colour key sheet news: rogercls.blogspot.com Subject to terms and conditions THURSDAY
Læs mereMSE PRESENTATION 2. Presented by Srunokshi.Kaniyur.Prema. Neelakantan Major Professor Dr. Torben Amtoft
CAPABILITY CONTROL LIST MSE PRESENTATION 2 Presented by Srunokshi.Kaniyur.Prema. Neelakantan Major Professor Dr. Torben Amtoft PRESENTATION OUTLINE Action items from phase 1 presentation tti Architecture
Læs mereLinear Programming ١ C H A P T E R 2
Linear Programming ١ C H A P T E R 2 Problem Formulation Problem formulation or modeling is the process of translating a verbal statement of a problem into a mathematical statement. The Guidelines of formulation
Læs mereMeasuring the Impact of Bicycle Marketing Messages. Thomas Krag Mobility Advice Trafikdage i Aalborg, 27.08.2013
Measuring the Impact of Bicycle Marketing Messages Thomas Krag Mobility Advice Trafikdage i Aalborg, 27.08.2013 The challenge Compare The pilot pictures The choice The survey technique Only one picture
Læs mereGNSS/INS Product Design Cycle. Taking into account MEMS-based IMU sensors
GNSS/INS Product Design Cycle Taking into account MEMS-based IMU sensors L. Vander Kuylen 15 th th December 2005 Content Product Definition Product Development Hardware Firmware Measurement Campaign in
Læs mereextreme Programming Kunders og udvikleres menneskerettigheder
extreme Programming Software Engineering 13 1 Kunders og udvikleres menneskerettigheder Kunder: At sætte mål og få projektet til at følge dem At kende varighed og pris At bestemme softwarefunktionalitet
Læs mereWebkorpora: Yahoo API og perl
Webkorpora: Yahoo API og perl Jakob Halskov jh.id@cbs.dk Ph.d.-studerende Terminologi og korpuslingvistik den 21. februar 2006 1. Hvad er et API? 2. Hent din egen udviklernøgle! 3. Gennemgang af koden
Læs mereApplications. Computational Linguistics: Jordan Boyd-Graber University of Maryland RL FOR MACHINE TRANSLATION. Slides adapted from Phillip Koehn
Applications Slides adapted from Phillip Koehn Computational Linguistics: Jordan Boyd-Graber University of Maryland RL FOR MACHINE TRANSLATION Computational Linguistics: Jordan Boyd-Graber UMD Applications
Læs mere13 38 2.1 K 16 4 4 0 11
Overview URL Rating Domain Rating Backlinks Referring Domains 13 38 2.1 K 16 4 4 0 11 LINKING METRICS Referring Pages 2,081 Total Backlinks 2,083 Crawled Pages 1 Referring IPs 8 Referring Subnets 7 Referring
Læs mereBackup Applikation. Microsoft Dynamics C5 Version 2008. Sikkerhedskopiering
Backup Applikation Microsoft Dynamics C5 Version 2008 Sikkerhedskopiering Indhold Sikkerhedskopiering... 3 Hvad bliver sikkerhedskopieret... 3 Microsoft Dynamics C5 Native database... 3 Microsoft SQL Server
Læs mereFejlbeskeder i SMDB. Business Rules Fejlbesked Kommentar. Validate Business Rules. Request- ValidateRequestRegist ration (Rules :1)
Fejlbeskeder i SMDB Validate Business Rules Request- ValidateRequestRegist ration (Rules :1) Business Rules Fejlbesked Kommentar the municipality must have no more than one Kontaktforløb at a time Fejl
Læs mereMicrosoft Dynamics C5. version 2012 Service Pack 01 Hot fix Fix list - Payroll
Microsoft Dynamics C5 version 2012 Service Pack 01 Hot fix 001 4.4.01.001 Fix list - Payroll CONTENTS Introduction... 3 Payroll... 3 Corrected elements in version 4.4.01.001... 4 Microsoft Dynamics C5
Læs mereHigh-Performance Data Mining med SAS Enterprise Miner 14.1
High-Performance Data Mining med SAS Enterprise Miner 14.1 nye procedurer til en mere effektiv modeludviklingsproces Kristina Birch, Advisory Analytical Consultant, SAS Institute Indhold Hvad er High-Performance
Læs mereSKEMA TIL AFRAPPORTERING EVALUERINGSRAPPORT
SKEMA TIL AFRAPPORTERING EVALUERINGSRAPPORT OBS! Excel-ark/oversigt over fagelementernes placering i A-, B- og C-kategorier skal vedlægges rapporten. - Følgende bedes udfyldt som del af den Offentliggjorte
Læs mereKOM GODT I GANG MED. Desktop Mendeley Menuen er simpel og intuitiv. I Menuen Tools finder du web importer og MS Word plugin
Mendeley er et program til håndtering af PDF er og referencer, som frit kan downloades fra internettet. Der er fri lagringskapacitet for en enkeltbruger op til en vis mængde data. Du kan hente programmet
Læs mereHosted CRM Outlook client connector setup guide. Date: Version: 1. Author: anb. Target Level: Customer. Target Audience: End User
Hosted CRM 2011 Outlook client connector setup guide Date: 2011-06-29 Version: 1 Author: anb Target Level: Customer Target Audience: End User Language: da-dk Page 1 of 16 LEGAL INFORMATION Copyright 2011
Læs mereAktivering af Survey funktionalitet
Surveys i REDCap REDCap gør det muligt at eksponere ét eller flere instrumenter som et survey (spørgeskema) som derefter kan udfyldes direkte af patienten eller forsøgspersonen over internettet. Dette
Læs mereFejlbeskeder i Stofmisbrugsdatabasen (SMDB)
Fejlbeskeder i Stofmisbrugsdatabasen (SMDB) Oversigt over fejlbeskeder (efter fejlnummer) ved indberetning til SMDB via webløsning og via webservices (hvor der dog kan være yderligere typer fejlbeskeder).
Læs mere