|
 |
當(dāng)前位置：首 頁 > 信息檢索的核心支撐技術(shù) |
|
| 信息檢索的核心支撐技術(shù) |
| 發(fā)布日期：2007-5-25 |
| 關(guān)鍵詞：信息檢索 |
�。↖nformation Retrieval），通常指文本信息檢索，包括信息的存儲、組織、表現(xiàn)、查詢、存取等各個方面，其核心為文本信息的索引和檢索。從歷史上看，信息檢索經(jīng)歷了手工檢索、計算機(jī)檢索到目前網(wǎng)絡(luò)化、智能化檢索等多個發(fā)展階段。
目前，信息檢索已經(jīng)發(fā)展到網(wǎng)絡(luò)化和智能化的階段。信息檢索的對象從相對封閉、穩(wěn)定一致、由獨立數(shù)據(jù)庫集中管理的信息內(nèi)容擴(kuò)展到開放、動態(tài)、更新快、分布廣泛、管理松散的Web內(nèi)容；信息檢索的用戶也由原來的情報專業(yè)人員擴(kuò)展到包括商務(wù)人員、管理人員、教師學(xué)生、各專業(yè)人士等在內(nèi)的普通大眾，他們對信息檢索從結(jié)果到方式提出了更高、更多樣化的要求。適應(yīng)網(wǎng)絡(luò)化、智能化以及個性化的需要是目前信息檢索技術(shù)發(fā)展的新趨勢。
信息檢索技術(shù)的熱點
◆ 智能檢索或知識檢索
傳統(tǒng)的全文檢索技術(shù)基于關(guān)鍵詞匹配進(jìn)行檢索，往往存在查不全、查不準(zhǔn)、檢索質(zhì)量不高的現(xiàn)象，特別是在網(wǎng)絡(luò)信息時代，利用關(guān)鍵詞匹配很難滿足人們檢索的要求。智能檢索利用分詞詞典、同義詞典，同音詞典改善檢索效果，比如用戶查詢“計算機(jī)”，與“電腦”相關(guān)的信息也能檢索出來；進(jìn)一步還可在知識層面或者說概念層面上輔助查詢，通過主題詞典、上下位詞典、相關(guān)同級詞典，形成一個知識體系或概念網(wǎng)絡(luò)，給予用戶智能知識提示，最終幫助用戶獲得最佳的檢索效果，比如用戶可以進(jìn)一步縮小查詢范圍至“微機(jī)”、“服務(wù)器”或擴(kuò)大查詢至“信息技術(shù)”或查詢相關(guān)的“電子技術(shù)”、“軟件”、“計算機(jī)應(yīng)用”等范疇。另外，智能檢索還包括歧義信息和檢索處理，如“蘋果”，究竟是指水果還是電腦品牌，“華人”與“中華人民共和國”的區(qū)分，將通過歧義知識描述庫、全文索引、用戶檢索上下文分析以及用戶相關(guān)性反饋等技術(shù)結(jié)合處理，高效、準(zhǔn)確地反饋給用戶最需要的信息。
◆ 知識挖掘
目前主要指文本挖掘技術(shù)的發(fā)展，目的是幫助人們更好的發(fā)現(xiàn)、組織、表示信息，提取知識，滿足信息檢索的高層次需要。 知識挖掘包括摘要、分類（聚類）和相似性檢索等方面。
自動摘要就是利用計算機(jī)自動地從原始文獻(xiàn)中提取文摘。在信息檢索中，自動摘要有助于用戶快速評價檢索結(jié)果的相關(guān)程度，在信息服務(wù)中，自動摘要有助于多種形式的內(nèi)容分發(fā)，如發(fā)往PDA、手機(jī)等。相似性檢索技術(shù)基于文檔內(nèi)容特征檢索與其相似或相關(guān)的文檔，是實現(xiàn)用戶個性化相關(guān)反饋的基礎(chǔ)，也可用于去重分析。自動分類可基于統(tǒng)計或規(guī)則，經(jīng)過機(jī)器學(xué)習(xí)形成預(yù)定義分類樹，再根據(jù)文檔的內(nèi)容特征將其歸類；自動聚類則是根據(jù)文檔內(nèi)容的相關(guān)程度進(jìn)行分組歸并。自動分類（聚類）在信息組織、導(dǎo)航方面非常有用。
◆ 異構(gòu)信息整合檢索和全息檢索
在信息檢索分布化和網(wǎng)絡(luò)化的趨勢下，信息檢索系統(tǒng)的開放性和集成性要求越來越高，需要能夠檢索和整合不同來源和結(jié)構(gòu)的信息，這是異構(gòu)信息檢索技術(shù)發(fā)展的基點，包括支持各種格式化文件，如TEXT、HTML、XML、RTF、MS Office、PDF、PS2/PS、MARC、ISO2709等處理和檢索；支持多語種信息的檢索；支持結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)及非結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一處理；和關(guān)系數(shù)據(jù)庫檢索的無縫集成以及其他開放檢索接口的集成等。所謂“全息檢索”的概念就是支持一切格式和方式的檢索，從目前實踐來講，發(fā)展到異構(gòu)信息整合檢索的層面，基于自然語言理解的人機(jī)交互以及多媒體信息檢索整合等方面尚有待取得進(jìn)一步突破。
另外，從工程實踐角度，綜合采用內(nèi)存和外部存儲的多級緩存、分布式群集和負(fù)載均衡技術(shù)也是信息檢索技術(shù)發(fā)展的重要方面。
隨著互聯(lián)網(wǎng)的普及和電子商務(wù)的發(fā)展，企業(yè)和個人可獲取、需處理的信息量呈爆發(fā)式增長，而且其中絕大部分都是非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)。內(nèi)容管理的重要性日益凸現(xiàn)，而信息檢索作為內(nèi)容管理的核心支撐技術(shù)，隨著內(nèi)容管理的發(fā)展和普及，亦將應(yīng)用到各個領(lǐng)域，成為人們?nèi)粘９ぷ魃畹拿芮谢锇椤?
信息檢索不等于 搜索引擎
互聯(lián)網(wǎng)的發(fā)展明顯地促進(jìn)了信息檢索技術(shù)的發(fā)展和應(yīng)用，一大批搜索引擎產(chǎn)品誕生，為網(wǎng)民提供了很好的快速信息獲取和網(wǎng)絡(luò)信息導(dǎo)航工具，但是將信息檢索等同于使用搜索引擎就陷入了誤區(qū)。搜索引擎技術(shù)中也普遍采用了全文信息檢索技術(shù)，但互聯(lián)網(wǎng)信息搜索和企業(yè)信息搜索是不同的。
一是數(shù)據(jù)量。傳統(tǒng)信息檢索系統(tǒng)一般索引庫規(guī)模多在GB級，但互聯(lián)網(wǎng)網(wǎng)頁搜索需要處理幾千萬上億的網(wǎng)頁，搜索引擎的基本策略都是采用檢索服務(wù)器群集，對大多數(shù)企業(yè)應(yīng)用是不合適和不必要的，并不適用于企業(yè)應(yīng)用。
二是內(nèi)容相關(guān)性。信息太多，查準(zhǔn)和排序就特別重要，Google等搜索引擎發(fā)展了網(wǎng)頁鏈接分析技術(shù)，根據(jù)互聯(lián)網(wǎng)上網(wǎng)頁被連接次數(shù)作為重要性評判的依據(jù)。但企業(yè)網(wǎng)站內(nèi)部的網(wǎng)頁鏈接由網(wǎng)站內(nèi)容采編發(fā)布系統(tǒng)決定，其鏈接次數(shù)存在偶然因素，不能作為判別重要性的依據(jù)。真正的企業(yè)應(yīng)用的檢索要求基于內(nèi)容的相關(guān)性排序，就是說，和檢索要求最相關(guān)的信息排在檢索結(jié)果的前面，鏈接分析技術(shù)此種排序基本不起作用。
三是實時性。搜索引擎的索引生成和檢索服務(wù)是分開的，周期性更新和同步數(shù)據(jù)，大的搜索引擎的更新周期需要以周乃至月度量；而企業(yè)信息檢索需要實時反映內(nèi)外信息變化，搜索引擎系統(tǒng)機(jī)制并不能適應(yīng)企業(yè)中動態(tài)性數(shù)據(jù)增長和修改的要求。
四是安全性。互聯(lián)網(wǎng)搜索引擎都基于文件系統(tǒng)，但企業(yè)應(yīng)用中內(nèi)容一般均會安全和集中地存放在數(shù)據(jù)倉庫中以保證數(shù)據(jù)安全和管理的要求。
五是個性化和智能化。由于搜索引擎數(shù)據(jù)和客戶規(guī)模的限制，相關(guān)反饋、知識檢索、知識挖掘等計算密集的智能技術(shù)很難應(yīng)用，而專門針對企業(yè)的信息檢索應(yīng)用能在智能化和個性走得更遠(yuǎn)。
信息檢索的起源
信息檢索起源于圖書館的參考咨詢和文摘索引工作，從19世紀(jì)下半葉首先開始發(fā)展，至20世紀(jì)40年代，索引和檢索成已為圖書館獨立的工具和用戶服務(wù)項目。
隨著1946年世界上第一臺電子計算機(jī)問世，計算機(jī)技術(shù)逐步走進(jìn)信息檢索領(lǐng)域，并與信息檢索理論緊密結(jié)合起來；脫機(jī)批量情報檢索系統(tǒng)、聯(lián)機(jī)實時情報檢索系統(tǒng)相繼研制成功并商業(yè)化，20世紀(jì)60年代到80年代，在信息處理技術(shù)、通訊技術(shù)、計算機(jī)和數(shù)據(jù)庫技術(shù)的推動下，信息檢索在教育、軍事和商業(yè)等各領(lǐng)域高速發(fā)展，得到了廣泛的應(yīng)用。Dialog國際聯(lián)機(jī)情報檢索系統(tǒng)是這一時期的信息檢索領(lǐng)域的代表，至今仍是世界上最著名的系統(tǒng)之一。
| |
| |
上一條:
互聯(lián)網(wǎng)需要全文檢索 |
| |
下一條:
搜索引擎的技術(shù)發(fā)展趨勢
|
|
 |
|
