浅析信息检索中的相关性.pdf

第25卷 第 12期 赤 峰 学 院 学报 (自然 科 学版 ) V01．25No．12 2009年 12月 JournalofChifengUniversity(NaturalScienceEdition) Dec．2009 浅析信息检索中的相关性 骆绍烨 (莆田学院 电子信息工程学系，福建 莆田 351100) 摘 要：相关性是信息检索中的一个基础概念，对信息检索相关性进行深入分析对于信息检索系统的 有效开发具有重要的理论指导意义．影响相关性的因素主要来 自四个方面，包括信息源、检索系统、用户、时 间和环境，其中人的因素是最为关键的影响因子．由于 “相关性”的不确定性，相关性评价一直饱受争议，目 前主要依据查全率和查准率来衡量系统的性能，其他常用的评价指标多是从查全率和查准率引申而来．相 关性直接影响到检索系统的性能，提高相关性判断的准确性主要从系统和用户两方面入手． 关键词：信息检索；相关性；影响因素；评价；改善措施 中图分类号：TP39l-3 文献标识码 ：A 文章编号：1673—260X(2009)12-0042—03 相关性是信息检索中的一个基础概念．人们对 文档内容越具体，越有利于 “相关性”判断．文档的风 相关性的研究可以追溯到20世纪 50年代末，但 格也可能影响判断，而同一文献，根据其题名、文 “相关性”的定义一直难以达成一致，到 目前为止还 摘、全文来判断与特定提问的相关性，判断的结果 没有一个能够被广泛接受的、准确的定义．之所 以 也有差异． 会出现这种情况，主要是在于相关性本身的复杂 1．2 检索系统 性．尽管如此，我们从前人所研究的成果来分析，可 “相关性”的实现需要系统 “理解”用户的真正 以找到相关性的一些被普遍认可的共性．简单来 需求，这是进行 “相关性”判断的前提，因此检索系 说，信息检索中的相关性指的是信息源中的文档与 统的性能对 相“关性”有比较大的影响． 查询之间的一种匹配关系llJ．这种匹配关系是多维 首先，系统的覆盖率直接影响查全率．系统的 的、动态的、复杂的和可以衡量的[21． 文献很少，查到或查全用户所需的信息的概率 自然 1 影响 “相关性”的因素 不高．对于 目前海量的信息资源来说 ，系统的覆盖 信息检索不是确定性检索，它无法准确提供用 率呈下降趋势，即使是全球最大的搜索引擎Google 户所需要的答案或内容，而只是提供与解决问题有 也无法将所有的网页全部收录．因此， 系统的覆盖 关的信息．目前的检索系统所得到的系统相关往往 率对 “相关性”的影响也 日显明显． 与用户相关相差甚远．因 “相关性”是一个多维的动 其次，检索方式也直接影响检出的文献数量和 态的概念，影响它的因素也是多维的．现将对影响 质量，从而也影响着 相“关性”．分类检索、主题检索 相“关性”的主要因素进行分析． 等方式一般会降低查全率，但对于海量的信息来 1．1 信息源 说，查准率往往可以得到大幅提高． 信息源顾名思义就是信息的来源，也就是信息 再次，检索系统一般通过词形相关、语义相关、 检索的对象，它对用户的相“关性”判断有直接的影 语用相关来判断 “相关性”．目前大多数系统都只提 响．信息源可分为三种：文档、文档的替代物和信息． 供词形相关的判断，语义相关的判断还不完善，语 每种代表了不同的层次．文档在底层，指用户能够 用相关也用的极少． 检索出的结果实体．文档的替代物则是从文档中抽