信息检索中效率问题的研究13.ppt

信息检索中效率问题的研究 报告人：赵江华 北京大学计算机科学与技术系 网络与分布式系统实验室 2002年4月21日 信息检索(IR)的基本概念（一） 信息检索和数据库管理系统(DBMS）的区别： DBMS处理对象是结构化数据，IR处理大量的非结构化数据。 DBMS只是管理数据，IR要管理数据的内容——内容管理（content management）。 DBMS的每次事务的结果是确定的，IR系统的任务是找到用户需要的信息，其结果是不精确的。 信息检索(IR)的基本概念（二） 信息检索的两大问题：效率(efficiency)、效果（effectiveness）。 效果指标：查准率(precision)和查全率（recall）。 效率指标：响应时间(response time)和吞吐量（throughput）。 文本信息检索效果的提高依赖于自然语言处理(NLP)；信息的指数增长使得检索效率也成为不可忽略的问题。 信息检索(IR)的基本概念（三） 信息检索系统的组成部分： 信息检索(IR)的基本概念（四） 基本用户查询(query): 逻辑操作(AND,OR,NOT)。 位置邻近查找(Proximity Search),短语查找(Phrase Search)。 对原始信息创建索引加快检索速度： Inverted file , signature file