信息检索方法与技术_.ppt

学科领域 信息检索同时被情报科学领域和计算机科学领域所使用。 学科领域 信息检索同时被情报科学领域和计算机科学领域所使用。 与信息检索相关的学科（1/3） 信息检索是一门多学科交叉的应用技术学科。 与信息检索相关的学科（2/3） 与信息检索相关的学科（3/3） 什么是信息 普遍认同的一个定义 信息普遍存在于自然界、人类社会和思维领域中，它是客观世界中各种事物变化和特征的反映，是客观事物之间相互作用和联系的表征，是客观事物经过感知或认识后的再现。 信息的特性 可识别性。信息是可以识别的，识别又可分为直接认别和间接识别，直接认别是指通过感官的识别，间接识别是指通过各种测试手段的识别。不同的信息源有不同的识别方法。 可存储性。信息是可以通过各种方法存储的。 可扩充性。信息随着时间的变化，将不断扩充。 可压缩性。人们对信息进行加工、整理、概括、归纳就可使之精练，从而浓缩。 可传递性。信息的可传递性是信息的本质特征。 可转换性。信息可以由一种形态转换成另一种形态。 特定范围有效性。信息在特定的范围内是有效的，否则是无效的。 信息资源的类型（1/2） 狭义的信息资源可以被看作是信息本身，所以对信息资源的分类应该与信息的分类基本一致。 按信息的表现形式划分 文献型信息源。是存储语言文字形式信息的各种载体的集合。文献型信息源是目前信息内容最丰富、最可靠的信息, 是人们使用最多的信息源。 非文献型信息源。包括电子信息源（数值型信息源、声像型信息源、多媒体信息源和实物信息源）及口头信息源。 按信息内容的加工程度划分 可分为零次信息源、一次信息源、二次信息源和三次信息源。 信息资源的类型（2/2） 按信息内容的保密程度划分 有公开信息源、半公开信息源和非公开信息源。 按信息内容的应用范围划分 分为科技信息源、经济信息源、管理信息源及生活信息源。 按载体形式划分 印刷型（以纸张为介质, 以铅印、油印、胶印、复印等手段记录信息的载体）、缩微型（以感光材料为介质，以缩微照相为手段记录信息的载体）、机读型（以磁性材料为载体，通过编码和程序设计，由计算机输入和输出的信息）、声像型（以电磁材料为载体，借助特殊设备，直接将声音和图像等信息记录下来的一种动态信息） 按信息传输形式划分 网络信息源（各种网络上的信息集合），非网络信息源（不用通信设施就能获得的信息集合） 什么是检索 检索（有时也称搜索） 检索是指从文献资料、网络信息等信息资源中查找到自己需要的信息或资料的过程。 传统文献检索（手工检索） 传统文献检索经常使用到的工具是索引卡片，即将文献资料的信息记录在索引卡片上。索引卡片上一般会记载文献的题名、作者、主题词、摘要等信息。 在查找文献资料时，先要去查找索引，找到其馆藏位置，然后索取资料。 网络检索（计算机检索） 在网络时代，我们无时无刻地进行着检索。在因特网上进行检索主要有两种方式：目录浏览和使用搜索引擎。 信息检索的概念（1/6） 信息检索（Information Retrieval, IR）是指信息按一定的方式组织起来，并根据信息用户的需要找出有关的信息的过程和技术。 狭义的信息检索就是信息检索过程的后半部分，即从信息集合中找出所需要的信息的过程，也就是我们常说的信息查寻（Information Search 或Information Seek）。 IR不仅仅是查询，IR系统也不仅仅是搜索引擎。 例1：返回与信息检索相关的网页?搜索引擎(Search Engine, SE) 例2：毛主席的生日是哪天？ ?问答系统(Question Answering, QA) 例3：返回联想PC的型号、配置、价格等信息?信息抽取(Information Extraction, IE) 例4：订阅有关NBA的新闻?信息过滤(Information Filtering)、信息推荐(Information Recommending) 信息检索的概念（2/6） 也可以这样说，狭义的IR通常是指Information Search，而广义的IR包含非常多的内容(SE, QA, IE, …)。 用户需求（User Need, UN）：用户需要获得的信息 严格地说，UN只存在于用户的内心，但是通常用文本来描述，如查找与2010世界杯相关的新闻，有时也称为主题（Topic） UN提交给检索系统时，称为查询式（Query）。 如2010 世界杯，对同一个UN，不同人不同时候可以构造出不同的Query 上述需求还可表示成2010 世界杯新闻 Query在IR系统中往往还有内部表示 信息检索的概念（3/6） 文档（Document）：检索的对象 可以是文本，也可以是图像、视频、语音等多媒体文档，text retrieval/image retrieval/video retriev