信息检索复习重点.pdfVIP

信息检索课程复习重点内容 一、综述章节： 1、信息检索的定义和意义。 定义：从非结构化的文档集中找出与用户需求相关的信息。 意义：  大多数信息都是文本形式的，没有预先定义的格式；  在非结构化信息中，包括文本信息和多媒体信 息，但是文本信息最简洁，最抽象， 是人类记 载知识的最主要的工具；  传统管理软件需要嵌入IR 技术；  互联网数据的增长和在线文档（如联机 用户手册等）的增长，向IR 技术提出迫 切 需求。 2 、IR 系统的体系结构和组件。 体系结构： 组件：  文本处理形成索引词：删除停用词、提取词干（Stemming）；  建索引：为文档建立倒排索引表；  搜索：根据倒排索引表检索出与提问相关的文档；  排序：将检索出的文档根据相关性排序；  用户界面：管理和用户的交互过程 （包括提问输入和文档输出、相关反馈、结果的 可视化）；  提问操作：对提问进行变换，以改进检索结果 （根据同义词词典(thesaurus)对提问 进行扩展、利用相关反馈对提问进行变换）。 3、信息检索质量的评价方式：准确率和召回率的定义和计算方法。 偶然事件表： 属于此类 不属于此类 判定属于此类 a b 判定不属于此类 c d  准确率(precision) = a / (a + b)  召回率(recall) = a / (a + c) 4 、例举信息检索的应用若干。 数字图书馆、内容安全、商务智能、电子政务、远程教育、移动计算、军事情报、电子 商务等。 二、信息检索模型： 1、信息检索模型的表示。 四元组[, Q, F, R( , )]  D ：文档集的机内表示  Q ：用户需求的机内表示  F ：文档表示、查询表示和它们之间的关系的模型框 架(Frame)  R( , ) ：给query q 和document d 评分 i j 2 、信息检索模型的分类。 布尔模型、向量空间模型、概率模型、知识模型。 3、布尔模型的优缺点。 优点：  查询简单，容易理解  通过使用复杂的布尔表达式，可以很方便地控制查询结果 缺点：  不支持部分 匹配，而完全匹配会导致太多或者太少的结果文档被返回  非常刚性: “与”意味着全部; “或”意味着任何一个  很难表示用户复杂的需求  很难控制被检索的文档数量  很难对输出进行排序  很难进行自动的相关反馈 4 、向量空间模型是基于什么来表达的？ 基于关键词 5、向量空间模型中两种常用的相似度比较算法：内积与余弦相似度的计算方法。  内积 （文档向量与查询向量的内积）：文档D 和查询Q 可以通过内急进行计算： t ( ) ( ) sim D , Q = ∑ d ⋅ q i ik k k=1 d 是文档d 中的此项k 的权重，q 是查询Q中此项k 的权重。 ik i k  余弦相似度 （计算文档向量与查询向量的夹角的余弦）： ∑ ( ⋅ )