摘要:本文概述了信息源的分类,对信息检索的概念做了简单的描述。对于经典的布尔检索、向量空间检索、概率检索做了比较详细的分析,并且对信息检索模型的发展方向做了一定的介绍。
关键词:信息源;信息检索模型;可视化;智能化;一体化
中图分类号:TP391文献标识码:A文章编号:1007-9599 (2012) 01-0000-02
The Status and Trends of Information Retrieval Model
Tian Huan
(Lanzhou Voc-Tech College,Lanzhou730070,China)
Abstract:This article provides an overview of the classification of information sources,a simple description of the concept of information retrieval.For classic Boolean retrieval,vector space retrieval,the probability to retrieve a more detailed analysis,and the direction of development of information retrieval model introduction.
Keywords:Information Sources;Information retrieval model;Visualization;Intelligent;Integration
一、前言
当今世界已经进入了信息化社会,大量的信息渗透到工业生产,社会生活的方方面面。在这爆炸性信息增长中,数字信息占据了最主要的方面,而传统信息载体的贡献比例越来低。有关研究报告显示,2006年全球每年制造、复制出的数字信息量共计1610亿GB,中国数字信息量为127.1亿GB,占全球信息量的7.9%;而受“富媒体”、用户创建内容和16亿网民三大因素推动,到2010年,全球数字信息量预计为9880亿GB,而中国的数字信息量预计为900.5亿多GB,将占全球信息量的9.1%。面对几乎无限的信息量,人们如何快速准确的找到自己感兴趣或者需求的信息是需要解决的一个关键问题。我国电厂检修的分级及检修现状。
二、信息源的分类
信息源的分类形式主要有以下几种:
按载体类型划分:书写型、印刷型、缩微型、机读型、声像型和数字型。
按内容划分:一次信息源、二次信息源和三次信息源。
一次信息源:也叫原始文献或第一手资料。以作者本人的科学研究或研究成果为依据而创作的原始文献,均属于一次信息源。如:期刊论文、科技报告、专利文献、学位论文、会议文献等。
二次信息源:将一次信息源进行加工、整理、提炼、浓缩、标引、编序后所形成的各种目录、题录、索引、文摘等信息源。如:信息检索工具。
三次信息源:对某一专题的一次信息源和二次信息源的有关信息进行检索、筛选、分析、加工,并结合编者的实地调查研究,进行综合分析后重新编制的成果。如:书评、专题述平、学科年度总结、动态综述、字典、百科全书、年鉴、手册、指南等工具书。
三、信息检索模型的概念及经典模型
信息检索模型(IRM,Information Retrieval Model)就是运用数学的语言和工具,对信息检索中的信息及其处理过程加以翻译和抽象,表达为某种数学公式。它决定于三个方面:1.处理查询公式和文档的视角;2.处理查询公式与文档关系的理论;3.查询公式与文档之间的算法。图1表示了IRM的分类体系。
图1 信息检索模型的分类体系
图1所示的经典模型为目前最常用的模型,主要包括布尔模型、向量模型和概率模型。
(一)布尔模型
布尔模型出现于20实际50年代。简单的说它为基于集合论的布尔逻辑运算,是一种基于特征项的严格匹配模型。首先,它建立一个二值变量的集合,如果查询文本中有相应的特征项,则变量可取“True”,反之取“False”。查询由特征项和逻辑运算符(“AND”、“OR”、“NOT”)组成。文本查询的匹配规则遵循布尔运算的法则。布尔模型的主要特点是它实现简单,易于理解,能处理结构化的提问,容易表示统一关系和词组,检索速度快。但是它也具有明显的缺点,传统的布尔逻辑运算比较严格,刚性较强,查询的结果不容易控制,无法提供定量的比较,无法满足特殊的查询要求。目前大多数文献数据库或检索工具都提供布尔运算的检索,如中国期刊全文数据库,维普,baidu或google。
(二)向量空间模型
向量空间模型(Vector Space Model)由Salton等人于20世纪60年代末提出。VSM概念简单,把对文本内容的处理简化为向量空间中的向量运算,并且它以空间上的相似度表达语义的相似度,直观易懂。当文档被表示为文档空间的向量,就可以通过计算向量之间的相似性来度量文档间的相似性。文本处理中最常用的相似性度量方式是余弦距离。VSM的优点:具有广泛的适用性,检索基于聚类文档,结果可以采用排序输出方式。但其缺点也很没明显:相似度计算量较大,不能处理布尔表达等结构化的查询。
(三)概率模型
Maron与Kuhns最早在1960年提出了概率检索模型。它是一种估计文献与用户需求的相关性、并根据求得的相关性结果提供从高到低的文献排列模型。它的运用是基于四个相关原则:想关心独立原则;词的独立性;文献相关性;概率排序原则。
四、信息检索模型的发展趋势
为满足当今信息检索的需要,除了对传统的信息检索模型进行改进外,新出现的检索模型盖帘主要体现在如下几个方面:
(一)智能化
智能化不仅仅是电脑硬件的发展趋势,也是软件,网络信息检索的发展趋势。智能化的检索模型不在基于机器语言,而是基于接近人类自然语言的检索形式。
(二)可视化
可视化将传统数据库的文本检索模式转为可见的图像方式显示,并且可以表达用户的检索过程。它能使用户更直观的分析文献与检索式语义的关系,有助于用户判断检索过程中的相关文献。
(三)功能多样化
信息检索模型功能多样化主要体现在两个方面:
(1)可以进行多媒体式的检索,不仅能按照文本输入进行检索、更能进行图片、视屏其他输入形式的检索。
(2)检索工具的一体化。面对互联网的不同文化与语言差异,检索工具能提供一体化的检索模式,支持多语言,多语境,促进不同地区、不通语言的用户更加方便的交流。
参考文献:
[1]孙坦,周静怡.近几年来国外信息检索模型研究进展[J].图书馆建设,2008,5
[2]张艳.信息检索模型的比较研究[J].电脑知识与技术,2009,8,5
[3]宋峻峰,张维明.基于本体的信息检索模型研究[J].南京大学学报(自然科学),2005,2,41
[作者简介]:田欢,本科就读于西北师范大学数学与信息科学学院计算机科学与技术专业,现就职于兰州职业技术学院,从事计算机专业教学。