信息存储与检索复习资料2.ppt

信息存储与检索技术》 第二章 信息检索模型 信息存储与检索技术》 第二章 信息检索模型 信息检索模型概述 1 布尔检索模型 2 向量空间检索模型 3 扩展布尔检索模型 4 信息存储与检索技术》 第一节 信息检索模型概述 一、信息检索模型的基本概念 1、信息检索模型的概念 信息检索模型（信息检索的数学模型）：就是运用数学的语言和工具，对信息检索系统中的信息及其处理过程加以翻译和抽象，表述为某种数学公式，再经过演绎、推断、解释和实践检验，反过来指导信息检索实践。 信息检索模型由以下几部分组成： （1）用户的需求表示 （2）文档的表示 （3）匹配机制 最简单的信息检索模型就是单项检索模型。 Q=Tk DocA=(Ta, Tb, Tc) DocB=(Tb, Tk, Tm) 信息检索模型主要从两个方面抽象地研究信息检索方法（P27)： 确定在检索模型中如何表示构成检索系统的两个要素，即文档和检索式； 确定在检索模型中如何定义和计算文档与检索式之间的关系。 信息存储与检索技术》 第一节 信息检索模型概述 一、信息检索模型的基本概念 2、信息检索模型表示 一般一个信息检索系统可以形式化地抽象表示为如下的四元组（P28)，如下： System=(D,Q,F,R(dj,q)) D：信息检索系统的信息资源集合 Q：用户信息需求集合 F：信息资源与信息需求的匹配处理框架 R(dj,q)：（相似性）匹配函数 信息存储与检索技术》 第一节 信息检索模型概述 一、信息检索模型的基本概念 2、信息检索模型表示 （1）信息资源集合D D：用集合论的观点，我们可以把D表示成： D={d1,d2,……dn} n=0） 每篇原始文档信息在检索系统中存储时，一般都要进行必要的加工，生成文档的某种逻辑视图 （logic view of document）。 文档逻辑视图：通常是由从文档中抽取出的、能表达文档内容的特征项（如索引词）所构成的，是文档的一种形式化表示。 文档逻辑视图的生成可以通过施加不同的文本操作（或转换）来实现。 可以把D看作是全体文档逻辑视图的一个集合体。 信息存储与检索技术》 第一节 信息检索模型概述 一、信息检索模型的基本概念 2、信息检索模型表示 （2）用户信息需求集合Q 用户的信息需求有不同的存在状态： 潜在真实需求（Real information Need：RIN）； 意识到或感知到的需求（Perception Information Need：PIN）； 表达的需求（Request）； 提问（Query） 这里，我们把用户信息需求集合（Q）简化为用户的提问集合： Q＝｛q1，q2，……qm｝ 注意： （1）提问式也可以理解为用户信息需求的一种逻辑视图表示。 （2）在某一检索系统中，使用自然语言表达的用户需求（即Request）一般也要采用与文档类似的形式化表示方法加以表述，以形成满足系统检索语言语法要求的提问式（Query）。 信息存储与检索技术》 第一节 信息检索模型概述 一、信息检索模型的基本概念 3、信息检索模型的分类 传统的文本信息检索模型主要有三种：布尔模型、向量空间模型和概率模型，也称经典的信息检索模型。 经典信息检索模型的基本假设： （1）被检索对象主要是文档对象； （2）标引词是相互独立的、彼此无关的。 （3）所有文档的内容和所需信息的表示都是非常精确的。 信息存储与检索技术》 布尔模型（集合论模型）：文献和查询用标引词集合来表示，匹配规则为二值相关性判断 。 向量模型（代数模型）：文献和查询用t维空间的向量来表示，匹配规则采用多值相关性判断 。 概率模型（概率模型）：检索是文献和查询之间匹配程度的概率估计问题。 经典模型（如集合论，代数，概率模型）的各种不同的改进模式： 集合论模型：模糊集合论和扩展布尔模型； 代数模型：广义向量模型、潜语义标引模型和神经网络模型。 大多数检索系统往往将各种检索模型混合以达到最佳的检索效果。 信息存储与检索技术》 第二节 布尔检索模型 一、布尔逻辑模型的概念 文献表示：每一文献用一组标引词表示，标引词可以是关键词、作者、篇名等能反映文档特征的词。 提问表示：每个提问都表示为提问词（检索词）的布尔组配，称其为布尔逻辑表达式。 布尔逻辑表达式指采用布尔运算符（逻辑与“and”、逻辑或“or”、逻辑非“not”等）来连接运算分量（检索词），以及表示运算优先级的括号组成的一种表达检索要求的一种算式，简称提问逻辑式。 匹配函数：布尔模型对于任一篇文档dj∈D，定义dj与用户提问q的匹配函数为： Sim(dj,q)＝1：dj中包含有Q的合取向量，dj与Q相关 Sim(