信息检索模型PPT学习教案.pptx

会计学
1
信息检索模型
Filtering(过滤: 用户需求不变)
Documents Stream
User 1
Profile
User 2
Profile
Docs Filtered
for User 2
Docs for
User 1
IR的两种形式: Ad Hoc and Filtering
第1页/共45页
相关概念
停用词（stop word），指文档中出现的连词，介词，冠词等并无太大意义的词。例如在英文中常用的停用词有the，a, it等；在中文中常见的有“是”，“的”，“地”等。
索引词（标引词，关键祠）:可以用于指代文档内容的预选词语,一般为名词或名词词组.
词干提取（英文中）
countries => country，interesting => interest
组合词: 北京大学
中文分词（word segmentation），或称切词，主要在中文信息处理中使用，即把一句话分成一个词的序列。如，“网络与分布式系统实验室”，分词为“网络/ 与/ 分布式/ 系统/ 实验室/”。
第2页/共45页
信息检索模型
第3页/共45页
信息检索模型的概述
第4页/共45页
信息检索模型
信息检索模型（IR model），依照用户查询，对文档集合进行相关排序的一组前提假设和算法。IR模型可形式地表示为一个四元组
< D, Q, F, R(qi,dj) >
其中D是一个文档集合，Q是一个查询集合，F是一个对文档和查询建模的框架，R(qi,dj) 是一个排序函数，它给查询qi和文档dj之间的相关度赋予一个排序值
第5页/共45页
文档逻辑视图
D是一个文档集合，通常由文档逻辑视图来表示。文档逻辑视图可以是一组索引词或关键词。也可以用n-gram方式表示。既可以自动提取，也可以是由人主观指定。（从全文到一组标引词）
第6页/共45页
信息检索模型
Q是一个查询集合，用户任务的表达，由查询需求的逻辑视图来表示。
F是一个框架,用以构建文档,查询以及它们之间关系的模型
R(qi,dj) 是一个排序函数，它给查询qi和文档 dj 之间的相关度赋予一个排序值
即: IR模型由上述四个要素组成
< D, Q, F, R(qi,dj) >
第7页/共45页
信息检索模型的分类
三类: 基于内容的信息检索模型,结构化模型,浏览型检索模型.
基于内容的信息检索模型有
集合论模型：布尔模型、模糊集合模型、扩展布尔模型
代数模型： 向量空间模型、广义向量空间模型、潜在语义标引模型、神经网络模型
概率模型： 经典概率论模型、推理网络模型、置信（信念）网络模型
第8页/共45页
非重叠链表模型
邻近结点模型
结构化模型
检索:
特别检索
过滤
浏览
用户任务
经典模型
布尔模型
向量模型
概率模型
集合论模型
模糊集合论模型
可扩展布尔模型
概率模型
推理网络模型
信任度网络模型
代数模型
广义向量模型
潜语义标引模型
神经网络模型
浏览
扁平式模型
结构导向模型
超文本模型
信息检索模型的分类
第9页/共45页