信息检索基础-北京大学计算机科学技术研究所.pdf

《互联网数据挖掘》本科生课程 信息检索基础（一）： 文本信息检索 万小军 北京大学语言计算与互联网挖掘组 /lcwm 2016年9月20日 信息检索概述 2 书包里只有1本书 书包里有5本书 书包里有50本书 3 信息检索行为无处不在 4 图书馆文献检索  早期手工检索  基于目录卡片 5 图书馆文献检索  早期手工检索  基于目录卡片 6 1954年，工作人员在编目。 1954年，读者在查目录。 图书馆文献检索  后期计算机检索  基于数据库 1997年，工作人员在编目。 1997年，读者在查目录。 7 8 9 10 信息检索相关概念  广义的信息检索  全称为“信息存储与检索”，是指将信息按一定的方 式组织和存储起来，并根据用户的需要找出有关信息 的过程。  狭义的信息检索  “信息存储与检索”的后半部分，通常称为“信息查 找”或“信息有哪些信誉好的足球投注网站”，是指从信息集合中找出用户所 需要的有关信息的过程。  文本信息检索  针对文本的信息检索技术  查询：关键词 11 信息检索相关概念  其他概念  Web检索  数据库检索  图像检索  视频检索  音乐检索  购物有哪些信誉好的足球投注网站  … 12 文本信息检索一般流程 13 两个核心问题  效果  如何准确匹配查询与文档？  基于检索模型  效率  如何快速返回检索结果？  基于索引 14 文档表示与索引 15 文档表示  元描述（Meta-descriptions ）  域信息 (author, title ，date)  关键词、受控词汇  分类 16 文档表示  元描述的优点  主要依赖人工标注，结果比较可靠  基于受控词汇的检索很高效  元描述的不足  人工标注非常耗时  检索受限制