信息检索理论与方法.doc

信息检索：理论与方法 第一部分 信息检索理论 一．掌握和熟悉 1． 信息检索的基本原理：即对信息集合与需求集合的匹配与选择。* 2． 信息检索常用技术：* · 布尔检索：逻辑与：如，A*B ，表明一篇文献中A和B必须同时存在。 例：郭沫若*语言学 （同时满足两个条件） 逻辑或：如，A+B ，表明文献中A或B必须存在，包含同时存在。 逻辑非：如，A- B ，表明一篇文献中包含A但不包含B。 例：郭沫若；除去语言学 （对某一个检索要求进行限制） 逻辑“或”提高查全率，逻辑“与”和“非”提高查准率。 · 截词检索：后截断：computer*,可检索出：computeracy, computerise, computers 前截断：*computer,可检索出：microcomputer, minicomputer 中截断：organi ? ation,可检索出：organisation,organization 前后截断：*computer* · 限制检索：为缩小命中文献的数量，将检索范围限定在某个字段或范围中。 ·全文位置检索：可以反映出两个检索词在文献中的邻近关系。常用在全文检索中， 弥补布尔检索的不足。 · 加权检索： ·多媒体检索：基于内容的检索是指根据媒体对象的内容及上下文联系，在大规模多媒体数据库中进行检索。它的目标是提供在没有人类参与的情况下能自动识别或理解声音、图象、视频重要特征的算法。 · 超文本检索：超文本是一种信息的组织方法。 3．信息检索当代技术：*? 并行检索：两个或两个以上的程序或任务并行处理。? 分布式检索：允许检索请求在不同地点、不同结构的系统平台上运作。Z39.50 协议是一种信息检索标准，常用于分布在各地的图书馆书目数据库系统的检索。 遵循了Z39.50协议，只要进入一个界面，不需要重新退出再进入。 近年来推出了基于OAI协议的分布式检索。作为开放式数字资源库，OAI必须  遵守如下规定：作为数据库提供者应能用通用公共元数据描述所存储的对象? 基于知识的智能检索：如检索“华人”，可把包含“中华人民共和国”的内容不  检索出来；检索“电脑”，可以把包含“计算机”的内容检索出来。现阶段智能  型检索系统应该有以下功能：a.具有大规模实例描述的汉语分词排歧知识库；b.  具有主题词典、广义同义词检索、拼音检索、同音检索等功能；c.具有基于内容  的相似性检索功能，具有自动分类和自动摘要功能，具有知识压缩和去重功能；  d.具有文本挖掘功能等。? 知识挖掘：主要指文本挖掘技术的发展，目的是帮助人们更好地发现、组织、 表示信息，提取知识，满足信息检索的高层次需要。（包括摘要、分类等）? 异构信息整合检索：能够检索和整合不同来源和结构的信息。? 全息检索：就是支持一切格式和方式的检索。? 自然语言检索：应是信息检索的发展趋势。自然语言与人工语言相结合，才能 更好地发挥自然语言检索的优势。? 跨语言信息检索：可以用一种语言去检索其他语言的资源。 ? 问答系统：输入的查询是问题，要求从给定语料库中返回文本。 ? 概念空间：通过对目标文档进行概念选取、概念类聚而形成，是一个概念网络。 概念空间是一个智能化索引，每个索引项（概念）通过一层或多层的概念与原 文档建立联系。 ? 信息融合技术：是一种综合利用多种信息资源，以获得对某一事物更客观、更本质认识的信息处理技术。可以合理地组织查询结果，减少不必要的信息冗余，使用户获得完整、准确、及时、有效的而且是简洁、明了的实用信息。 ４．检索效果评价：判定一个检索系统的优劣，主要应从质量、费时和时间三方面来衡量。* ５．查全率＝检出的相关信息数／信息库中相关信息总数*100 %= a / a + c *100 %* ６．查准率＝检出的相关信息数／检出的信息总数*100% = a / a + b * 100%* 查全率和查准率必须结合使用，单独使用两者中的任何一个都不能全面说明检索效果的好坏。若检出一篇相关信息，必能达到100%的查准率，但查全率却会非常低；同样，若检出信息数等于库中信息的总量，则必能100%的查全率，但查准率一定很低。* ７．误检率＝检出的非相关信息数／检出的信息总数*100%=b / a+b * 100% * ８．漏检率＝未检出的相关信息数／信息库中相关信息总数*100%