王立清-信息检索教程（第三版）第七章.pptxVIP

第7章 现代信息检索技术;本章要点;7.1 现代信息检索技术概述;7.1.1 现代信息检索技术的处理对象;7.1.1 现代信息检索技术的处理对象;7.1.2 现代信息检索的处理过程;图7-1 信息检索的处理过程;7.1.2 现代信息检索的处理过程;7.1.3 现代信息检索模型;7.2 倒排索引;7.2.1 词项-文档关联矩阵;7.2.2 从关联矩阵到倒排索引;7.2.2 从关联矩阵到倒排索引;7.2.3 倒排索引的处理流程;7.2.3 倒排索引的处理流程;7.2.3 倒排索引的处理流程;7.2.3 倒排索引的处理流程;7.3 布尔检索模型;7.3.1 倒排索引的处理流程;7.3.2 倒排索引的实现方法;7.3.2 倒排索引的实现方法;7.3.2 倒排索引的实现方法;7.3.3 布尔检索模型的优缺点;7.4 向量空间模型;7.4.1 向量空间模型的基本思想;7.4.2 向量空间模型的实现方法;7.4.2 向量空间模型的实现方法;7.4.3 向量空间模型的优缺点;7.5 检索评价指标;7.5.1 无序结果集评价指标;7.5.1 无序结果集评价指标;7.5.2 有序结果集评价指标;7.5.3 其他单值评价指标;7.5.3 其他单值评价指标;7.5.3 其他单值评价指标;7.6 现代信息检索关联技术;前面从倒排索引思想、布尔检索模型、向量空间模型和检索评价技术四个方面，介绍 了现代信息检索技术对文本进行快速检索的技术路线和评价方法，力图反映文本检索技术 的主要脉络。实际上，现代信息检索技术所涵盖的内容远超过上述四个方面，与之关联的 技术还包括： １．索引压缩 索引压缩关注如何使用更少的存储空间来存储词项词典和倒排记录表，并保证检索的 效率不会因压缩而明显降低。现代信息检索通常采用无损压缩方法，用单一字符串表示所 有的词汇并以变长编码对词项和文档的数字编号进行压缩表示，大幅度地减少了索引文件 所占用的存储空间。;２．检索模型 布尔模型和向量空间模型是两种最为基础的信息检索模型，除此之外，现代信息检索 又发展出了多种检索模型，例如，扩展布尔模型、概率检索模型、语言模型、神经网络模 型等。不同模型之间的差异主要体现在如何度量查询与文档的相似度，以支持排序式检 索。不同模型各有其适用场景，在实践中需要结合检索对象的特点进行合理选择。 ３．检索结果的???织 检索系统通常根据相关度高低，以列表方式输出相关文档，当数据规模较大时，不利 于人们快速获取信息的全貌，因此，现代信息检索还特别关注文本分类和聚类技术，将检索结果进行再组织。;４．搜索引擎 搜索引擎除了关注文本的索引和查询之外，还需要解决数据的采集问题和权威度计算 问题，数据采集涉及分布式网络爬虫、采集队列的调度、动态网页解析、深度网络采集 等，权威度计算用于确定网页的重要性，以便重要网页能够优先展示，用于解决搜索引擎 中的网页作弊问题。 ５．知识检索 虽然信息检索尤其是搜索引擎在过去２０年取得了巨大成功，但用户仍然需要自己浏 览搜索到的文档，从中提取所需要的信息，因此，用信息检索来描述当前主流的检索系统 为用户所提供的功能，并不确切，现在的信息检索系统更像是信息定位系统。;关键术语;思考与练习题