第6章计算机信息检索概述.ppt

6.4.2 全文检索技术 全文检索的索引技术： 1：衡量全文检索系统的一个重要指标——索引膨胀系数 索引膨胀系数＝索引文件大小/全文数据库的大小 2.索引的常见结构： 单汉字（主键字） 记录号 段落号 位置号 单汉字（主键字） 记录数 记录号1 该记录位置集合 记录号2 该记录位置集合 … 6.4.2 全文检索技术 全文检索中检索效率提高： 1.提高查全率 SARS、“非典”——建立同义词典,构成“或”的运算表达式。词典需要及时更新或具有学习功能。 2.提高查准率 用“华人”检索到“中华人民共和国”，用“民法”检索到“人民法院”——建立“排除词典”。将检索词在每一篇文献中检索出数量（检索词在文献中出现次数）与所有欲排除词在文献中出现数量相比较，若相等，该文献就被排除，否则就认为该文献命中。 6.4.3 基于内容的多媒体检索技术 6.4.3.1基于内容的图像检索技术 图像的画面内容特征 图像描述对象特征 图像的相关外部特征 图像的移动和组合特征 标 引 检 索 选择颜色的比例 草图查询 实例查询 6.4.3 基于内容的多媒体检索技术 6.4.3.2基于内容的视频检索技术 幕：由一系列相关的场景组成，表达一个完整的事件。 场景：含有多个镜头。 镜头：由一系列连续的帧组成。 帧：是一幅静态的图像，是组成视频的最小单位。 视频 镜头分割 镜头 特征分析 关键帧提取 运动分析 对象提取与跟踪 运动信息 关键帧 对象信息 场景提取 结构分析 建立索引 视频结构 索引 用户 浏览 查询 6.4.3 基于内容的多媒体检索技术 6.4.3.3基于内容的音频检索技术 音量、音调 音强、带宽 音长、音色等 标 引 检 索 基于字符序列的匹配 基于给定样值的匹配 基于频域信息或其他声学属性的匹配 本章学习要求 掌握计算机信息检索的含义，了解计算机信息检索的发展简史； 掌握计算机信息检索的分类（SDI、RS）和特点。 理解计算机信息检索的模型（布尔模型、向量空间模型和概率模型） 掌握计算机信息检索策略的含义，作用。 掌握检索表达式的含义和构成，以及各个组成部分在检索表达式中的作用。 掌握检索策略的构造步骤 本章学习要求 掌握在检索策略的反馈调整中，提高查准率和查准率的方法。 理解文档检索技术中的几个基本概念（文档、记录、物理记录和逻辑记录、顺序文档、倒排文档、随机文档、“字典”文档、各文档之间的关系） 了解顺序文档的检索技术 理解倒排文档的检索技术 理解全文检索中的索引技术和提高全文检索的办法 了解基于内容的多媒体检索的相关技术 课堂练习：请写出下列布尔逻辑表达式的等价的逆波兰波兰式和准波兰式。 A＋B×C （A＋B）×（C＋D）＋E A＋B×（C＋D＋E）＋F （A＋B）×C＋D×（E－F） * 此图参见《计算机情报检索》第二版一书P155 顺序文档的检索技术——表展开法 （1）提问的编辑(表展开法) “所属字段”栏用来说明检索词属于哪个字段， “截断说明”栏可用代码表示检索词截断的类型，如：1一不截断(完全一致)；2—后截断(前方—致)；3——前后截断(中间一致)；4——前裁断(后方一致) “比较条件”栏也可用代码表示：1——相等；2一不相等；3——大于；4——小于 有了检索词表以后，就可以根据各检索词之间应有的逻辑组配关系，用检索词代号构成一个提问式。 本例的提问逻辑式如下：Q＝1*2*3* 4*5 顺序文档的检索技术——表展开法 （2）提问展开表的定义 表展开法是将每个提问逻辑式列成提问展开表。一个提问式转换成一张表，有N个提问式就可做成N个提问展开表。 所谓展开表，就是由检索词及其代号、条件满足指向、条件不满足指向、级位等栏构成的一张表。一个检索词对应表中的一行。提问表最多允许20行。 顺序文档的检索技术——表展开法 （2）提问展开表的定义 地址 条件满足指向 条件不满足指向 级位 检索词代号 检索条件 权值 检索词 提问展开表的结构 顺序文档的检索技术——表展开法 （2）提问展开表的定义 地址——按自然数顺序编排，用以表示检索词地址； 条件满足指向——指当文献记录的标引词与提问式的检索词一致时，下一个应比较的检索词的地址； 条件不满足指向——指当文献记录的标引词与提问式的检索词不一致时，下一个应比较的检索词的地址； 级位——当前检索词在提问式中的层次级别； 检索词代号——检索词在提问式中的编号； 检索条件——有截断说明、比较条件等； 权值——进行加权检索时，指定的检索词的权值； 检索词——提问逻辑式中的提问项目。 顺序文档的检索技术——表展开法 （3）提问展开表的形成 以Q＝（（1＋3＋5）*7＋9）*11为例子，1、