第八章 信息检索系统及评价培训资料.ppt

影响响应时间的因素 (1)文献库规模：规模越大，检索时间越长，响应时间值也就越大。 (2)机器速度：主机运行速度越快，响应时间越短。 (3)检索软件：检索软件是关键，其性能越好，检索时间就越短。 (4)存储设备类型和数据的存贮结构：存储设备的访问速度越快，数据的存贮结构（外存贮）越合理，检索越容易，响应时间也就越短。 (5)提问组配形式：检索式的构造需要有一定的专业技能和检索经验，是一个不断修改和完善的过程。 (6)信息中心与检索者的距离：通信传输时间与距离有关。 存贮空间开销 包括系统所占用的内存空间和外存空间。 对内存空间，当检索系统采用大、中型计算机时，一般不必考虑；而当系统采用小型、微型机时，因内存空间有限，就需合理分配。 对外存空间，不同的文档结构所需存储空间差别很大。例如，顺排文档检索和倒排文档检索所需空间不同；而对倒排检索，系统仅提供布尔检索功能与提供正文检索功能相比，所需的空间也大不一样。 其它指标 新颖率(Novelty ratio，N)：指一次检索中检出的相关文献有多少篇是新文献。（反映文献库更新程度） 检出的新的相关文献量 N = ———————————— 检出的相关文献总量 信息覆盖率(Coverage，C)：也称收录范围，是指文献库复盖的学科范围、信息类型、数量和时间跨度。 给定时间内系统收录的文献总量 C = ————————————————- 同期相关领域中的实际文献量 图示覆盖率和新颖率 相关文献|R| 结果集|A| 用户已知的相关文献|U| 检出的用户以前未知的相关文献|Ru| 检出的用户已知的相关文献|Rk| 国外的评测 TREC评测 文本检索会议（Text Retrieval Conference，TREC）是信息检索(IR) 界为进行检索系统和用户评价而举行的活动, 它由美国国家标准技术协会(NIST) 和美国高级研究计划局(DARPA)（美国国防部） 共同资助，开始于1992年。 NTCIR评测 NTCIR(NACSIS Test Collection for IR Systems)始于1998年，是由日本国立信息学研究所（National Institute of Informatics，简称NII）主办的有哪些信誉好的足球投注网站引擎评价型国际会议 CLEF评测 CLEF于2000年开始筹办，是欧洲各国共同合作进行的一项长期研究计划，主要想通过评测信息科技技术，促进欧洲语言中的各种单一语言以及多语言信息技术的发展， CLEF的目标只在于跨语言信息检索以及多语言信息检索方面 TREC评测(Benchmark) TREC: Text REtrieval Conference (/) 1992年开始，每年一次 由美国国防部Defense Advanced Research Projects Agency (DARPA)和美国国家标准技术研究所National Institute of Standards and Technology (NIST)联合发起 参加者免费获得标准训练和开发数据 参加者在参加比赛时收到必威体育精装版的测试数据，并在限定时间内作出答案，返给组织者 组织者对各参赛者的结果进行评价 包括检索、过滤、问答等多个主题 指示型数据库 存储实体（如机构、人物）的一般指示描述的一种参考数据库。 又称字典型数据库，用于用户参考和指南的各类文献信息 公司名录数据库、人物传记数据库、技术标准数据库、产品指南数据库和大学指南数据库。 万方数据库机构人物数据库、医生咨询数据库（PDQ） 数值数据库 以数值型数据为主的数据库 从文献资料中分析提取出来数据、或是实验、观测和统计中得到的数据建立的数据库 分为纯数值型数据库和文字/数值型数据库。 万方公司的CSTPC（中国科技论文统计与分析库），中国科学院的工程化学数据库和图谱数据库，以及中国统计数据库都是此类 术语数据库 由主文档和相应索引文档组成 字段结构反映术语的各种属性 主要用于辅助翻译和辞书编撰的工具 如中国知网的术语数据库 信息检索各功能模块－理解用户界面 用户界面主要承担用户与系统之间的通讯任务，完成人机交互和对话 界面设计一定要强调人的因素，是界面适应人而不是用户适应界面 功能： 帮助用户理解和表达信息需求 帮助用户构造检索式，拟定检索策略 帮助用户选择有效的信息源 帮助用户理解和控制检索结果 帮助用户跟踪检索过程 信息检索各功能模块－用户获取信息的特性和能力 人的特性： 人获取信息的多通道性 人的易出错性和易疲劳性 用户的层次和发展性 人获取信息的能力