信息检索模型
合集下载
信息检索中的检索模型比较分析
信息检索中的检索模型比较分析信息检索是指用户在面对大量信息时，通过使用一定的检索模型和技术方法，从中找到对自己有用的信息。
在信息爆炸的时代，信息检索变得非常重要和必要。
在进行信息检索时，使用不同的检索模型可以对用户的需求有不同的体现和处理方式。
因此，本文将比较分析信息检索中常见的检索模型，包括布尔模型、向量空间模型和概率模型。
首先，布尔模型是信息检索中最简单和最早的一种模型。
它使用布尔运算符（AND、OR、NOT）来表达检索的需求。
布尔模型的优点是逻辑简单，可以精确地描述用户的需求，使得检索结果更加准确。
然而，布尔模型的缺点也很明显，即无法对文本进行有关键词排名和排序，只能返回文档是否与查询匹配的结果。
由于信息检索系统中文档数量庞大，使用布尔模型检索的结果可能会非常庞杂，给用户带来困扰。
其次，向量空间模型是一种基于向量空间的检索模型。
该模型将文档和查询都表示为向量，并计算它们之间的相似度来判断文档与查询的相关性。
向量空间模型的优点在于可以对检索结果进行排序和排名，使得结果更加合理和有序。
此外，向量空间模型还可以使用权重来表示文档中关键词的重要程度，从而进一步提高检索的准确性。
然而，向量空间模型也存在一些问题，例如需要对文档和查询进行向量表示，需要对文档中的关键词进行权重计算，这些都需要消耗大量的计算资源和时间。
最后，概率模型是一种基于统计学概率的检索模型。
它通过计算文档与查询之间的相关性概率来进行检索。
概率模型的优点在于可以通过统计学方法来估计查询与文档之间的相关性概率，从而更好地处理查询的需求。
此外，概率模型还可以使用反馈机制来进一步提高检索的准确性。
然而，概率模型也存在一些问题，例如需要对文档集合进行训练，需要估计相关性概率，这些都需要大量的计算资源和大规模的文档集合。
综上所述，信息检索中的检索模型比较分析主要包括布尔模型、向量空间模型和概率模型。
布尔模型逻辑简单，可以精确地描述用户的需求，但无法对检索结果进行排序和排名；向量空间模型可以对检索结果进行排序和排名，但需要对文档和查询进行向量表示和权重计算；概率模型可以通过统计学方法估计查询与文档的相关性概率，但需要大量的计算资源和训练集合。
第2章-信息检索模型
▪ N: 文档集中文档总数
▪ 反文档频率用词项区别文档
例如：文档总数为1000，出现关键词k1文档为100
篇，出现关键词k2文档为500篇，出现关键词k3
文档为800篇
N=1000, n1=100, n2=500, n3=800
根据公式： idfi = log(N/ni) ，可计算出
idf1= 3 - 2 = 1
这里q dnf是提问式q旳主析取范式。可进一步简化表
达 为： q dnf =(1,1,1) or (1,1,0) or (1,0,0)
其中： (1,1,1) or (1,1,0) or (1,0,0)是q dnf旳三个合取
子项qcc，他们是一组向量，由相应旳三元组(k1 , k2 , k3)
旳每一种分量取0或1得到。
▪ 根据关键词旳出现频率计算相同度
• 例如：文档旳统计特征
▪ 顾客要求一种词项(term)集合，能够给每个词项附加权重
• 未加权旳词项: Q = database; text; information
• 加权旳词项: Q = database 0.5; text 0.8; information 0.2
由索引项构成向量空间
▪ 2个索引项构成一种二维空间，一种文档可能包括0,
1 或2个索引项
• di = 0, 0
(一种索引项也不包括)
• dj = 0, 0.7 (包括其中一种索引项)
• dk = 1, 2
(包括两个索引项)
▪ 类似旳，3个索引项构成一种三维空间，n个索引项
构成n维空间
么一种文档D就能够表达为D(t1,t2,…,tn)，其中n就代表了检
索字旳数量。
▪ 特征项权重Wk（Term Weight）：指特征项tn能够代表文档
▪ 反文档频率用词项区别文档
例如：文档总数为1000，出现关键词k1文档为100
篇，出现关键词k2文档为500篇，出现关键词k3
文档为800篇
N=1000, n1=100, n2=500, n3=800
根据公式： idfi = log(N/ni) ，可计算出
idf1= 3 - 2 = 1
这里q dnf是提问式q旳主析取范式。可进一步简化表
达 为： q dnf =(1,1,1) or (1,1,0) or (1,0,0)
其中： (1,1,1) or (1,1,0) or (1,0,0)是q dnf旳三个合取
子项qcc，他们是一组向量，由相应旳三元组(k1 , k2 , k3)
旳每一种分量取0或1得到。
▪ 根据关键词旳出现频率计算相同度
• 例如：文档旳统计特征
▪ 顾客要求一种词项(term)集合，能够给每个词项附加权重
• 未加权旳词项: Q = database; text; information
• 加权旳词项: Q = database 0.5; text 0.8; information 0.2
由索引项构成向量空间
▪ 2个索引项构成一种二维空间，一种文档可能包括0,
1 或2个索引项
• di = 0, 0
(一种索引项也不包括)
• dj = 0, 0.7 (包括其中一种索引项)
• dk = 1, 2
(包括两个索引项)
▪ 类似旳，3个索引项构成一种三维空间，n个索引项
构成n维空间
么一种文档D就能够表达为D(t1,t2,…,tn)，其中n就代表了检
索字旳数量。
▪ 特征项权重Wk（Term Weight）：指特征项tn能够代表文档
信息检索模型nlp
信息检索模型nlp
1. 向量空间模型（Vector Space Model，VSM）：这是一种基于词袋模型的简单信息检索模型。
它将文档表示为向量，其中每个向量的维度对应于词汇表中的一个词。
通过计算文档和查询之间的相似度来评估它们的相关性。
2. 语言模型（Language Model）：语言模型是一种统计模型，用于预测给定序列中的下一个词。
在信息检索中，语言模型可以用于评估查询和文档之间的相似度，以及对文档进行排序。
3. 概率检索模型（Probabilistic Retrieval Model）：这类模型基于概率推理和贝叶斯定理来估计文档与查询相关的概率。
常见的概率检索模型包括布尔模型、向量空间模型的扩展（如 TF-IDF）和BM25 模型。
4. 排序学习模型（Learning to Rank）：排序学习是一种机器学习方法，用于训练模型以对文档进行排序。
这些模型可以基于监督学习、强化学习或其他学习算法进行训练。
5. 深度学习模型：近年来，深度学习技术在信息检索中得到了广泛应用。
例如，使用卷积神经网络（CNN）或循环神经网络（RNN）来学习文本表示，并用于文档分类、情感分析等任务。
6. 知识图谱（Knowledge Graph）：知识图谱是一种基于语义网络的模型，用于表示实体、关系和概念。
在信息检索中，知识图谱可以用于理解查询意图、扩展查询和增强搜索结果。
这些只是信息检索模型的一些示例，实际上还有许多其他的方法和技术可用于信息检索任务。
具体的模型选择取决于应用场景、数据特点和性能要求等因素。
《信息检索模型》PPT课件
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
任何命题公式的主析取范式都是存在的， 并且是唯一的。
精选课件ppt
18
布尔检索模型
首先，将查询转化为一个析取范式DNF
范式存在定理任一命题公式都存在着与之等值 的析取范式和合取范式
精选课件ppt
17
离散数学相关概念
主析取范式 定义 形如A＝A1∨A2∨……∨An
基中Ai(I=1,2,3……n) 为极小项 记为：∑（m1m2……m2n-1)
极小项 在n个变元的简单合取式中，若每个变元与其否 定不同时存在，而二者之一必出现且仅出现一次，这 种合取式叫做极小项
检索: 用 特别检索 户 过滤 任 务
浏览
布尔模型 向量模型 概率模型
结构化模型 非重叠链表模型 邻近结点模型
代数模型 广义向量模型 潜语义标引模型 神经网络模型
概率模型 推理网络模型 信任度网络模型
浏览
扁平式模型 结构导向模型 超文本模型
精选课件ppt
11
经典信息检索模型
布尔模型 向量空间模型 经典概率模型
精选课件ppt
13
布尔模型(Boolean Model)
精选课件ppt
14
布尔检索模型
一种简单的检索模型，它建立在经典的集合论和 布尔代数的基础上。
遵循两条基本规则: 每个索引词在一篇文档中只 有两种状态：出现或不出现，对应权值为 0或1。
第四章 信息检索模型
向量空间模型
➢ 向量空间模型（Vector Space Model，VSM） 是由G·Salton等人在1958年提出的
➢ 代表系统
SMART（ System for the Manipulation and Retrieval of Text）
➢ 这一系统理论框架到现在仍然是信息检索 技术研究的基础
D={d1, d2 , … , dm} 为了满足检索匹配所要求的快速与便利，文档di通常由
从文档中抽取的能够表达文档内容的特征项（如索引 项/检索词/关键词）来表示 设K={k1, k2 , … , kn} 为系统索引项集合 则di ={ωi1,ωi2 , … ,ωin} (ωij≥0) ωij→索引词kj在文档di中的重要性（权值weight）
相当于识别包含了一个某个特定term的文档
➢ 经过某种训练的用户可以容易地写出布尔查询 式
➢ 布尔模型可以通过扩展来包含排序的功能，即 “扩展的布尔模型”
布尔模型存在的问题
➢ 布尔模型被认为是功能最弱的方式，其主要问题在于不支 持部分匹配，而完全匹配会导致太多或者太少的结果文档 被返回 非常刚性: “与”意味着全部; “或”意味着任何一 个
模型中的问题
➢ 怎样确定文档中哪些词是重要的词？（索 引项）
➢ 怎样确定一个词在某个文档中或在整个文 档集中的重要程度？（权重）
➢ 怎样确定一个文档和一个查询式之间的相 似度？
索引项的选择
➢ 若干独立的词项被选作索引项(index keys) or 词表 vocabulary
➢ 索引项代表了一个应用中的重要词项 计算机科学图书馆中的索引项应该是哪些呢?
例如：文档的统计特性 ➢ 用户规定一个词项(key)集合，可以给每个词项附加权重
信息检索模型
• 1）基于文档内容的检索模型
• 布尔逻辑模型 • 概率统计模型 • 向量空间模型
• 2）基于文档结构的模型
• 并列链表模型 • 层次邻接模型
基于文档内容的检索模型
• 布尔逻辑模型，基于集合理论和布尔代数原理
的检索模型，其查询可以由and、or、not这些布 尔算符连接多个检索项或检索词组成，检索结果 是这些检索项或检索词相互匹配的布尔组合。其 优点是模型描述的形式化与操作简单，缺点是精 确匹配所导致的结果文档过多或丢失。
基于文档内容的检索模型
• 概率统计模型，利用概率论的原理，通过赋予
标引词的概率值来表示这些词在相关文档集合或 无关文档集合中出现的概率，然后计算某一给定 文档与给定查询之间的相关概率，存取系统据此 作出检索决策。概率模型有严格的数学理论基础， 采用了相关反馈原理，客服不确定性推理的缺点， 但其缺点是参数估计的难度比较大，文件和检索 的表达也比较困难。
信息检索模型
信息存取模型
• 信息存取模型（检索模型），是用于描 述信息（文档）表示、用户查询及其相 互关系（主要指相关性和度量）的框架 形式，是存取系统中用于实施查询的相 关性的度量模型。 • 以用户查询信息的行为为标准，信息存 取模型主要分为两类： • 1、信息检索模型 • 2、信息浏览模型
1、信息检索模型
Байду номын сангаас、信息浏览模型
• 1）平面浏览模型 • 2）目录导航模型 • 3）网状结构模型
• 平面浏览模型，也称平坦浏览模型，是为用户存 储于检索信息专门提供的一种平面组织的文档结 构。其缺点是平面浏览信息缺乏层次性的视图。 • 目录导航模型，也称层级结构模型，是将众多文 档和信息源按照主题或分类组织成一个按层次分、 具有隶属关系的等级存取结构。其结构层次分明、 浏览路径清晰，但当系统规模较大、目录层次较 多时不适合。 • 网状结构模型，是基于超文本超媒体技术的网络 信息浏览模型。以结点为信息存取电源，结点之 间以链路相连，采用网状交叉联络的方法将信息 单元及其相互关系采用“结点”和“链”有机地 组织起来，为用户提供非顺序性的信息浏览功能。
• 布尔逻辑模型 • 概率统计模型 • 向量空间模型
• 2）基于文档结构的模型
• 并列链表模型 • 层次邻接模型
基于文档内容的检索模型
• 布尔逻辑模型，基于集合理论和布尔代数原理
的检索模型，其查询可以由and、or、not这些布 尔算符连接多个检索项或检索词组成，检索结果 是这些检索项或检索词相互匹配的布尔组合。其 优点是模型描述的形式化与操作简单，缺点是精 确匹配所导致的结果文档过多或丢失。
基于文档内容的检索模型
• 概率统计模型，利用概率论的原理，通过赋予
标引词的概率值来表示这些词在相关文档集合或 无关文档集合中出现的概率，然后计算某一给定 文档与给定查询之间的相关概率，存取系统据此 作出检索决策。概率模型有严格的数学理论基础， 采用了相关反馈原理，客服不确定性推理的缺点， 但其缺点是参数估计的难度比较大，文件和检索 的表达也比较困难。
信息检索模型
信息存取模型
• 信息存取模型（检索模型），是用于描 述信息（文档）表示、用户查询及其相 互关系（主要指相关性和度量）的框架 形式，是存取系统中用于实施查询的相 关性的度量模型。 • 以用户查询信息的行为为标准，信息存 取模型主要分为两类： • 1、信息检索模型 • 2、信息浏览模型
1、信息检索模型
Байду номын сангаас、信息浏览模型
• 1）平面浏览模型 • 2）目录导航模型 • 3）网状结构模型
• 平面浏览模型，也称平坦浏览模型，是为用户存 储于检索信息专门提供的一种平面组织的文档结 构。其缺点是平面浏览信息缺乏层次性的视图。 • 目录导航模型，也称层级结构模型，是将众多文 档和信息源按照主题或分类组织成一个按层次分、 具有隶属关系的等级存取结构。其结构层次分明、 浏览路径清晰，但当系统规模较大、目录层次较 多时不适合。 • 网状结构模型，是基于超文本超媒体技术的网络 信息浏览模型。以结点为信息存取电源，结点之 间以链路相连，采用网状交叉联络的方法将信息 单元及其相互关系采用“结点”和“链”有机地 组织起来，为用户提供非顺序性的信息浏览功能。
信息检索模型
例子：
q = 病毒 AND （计算机 OR 电脑）AND NOT医 d1: …据报道，计算机病毒近日猖獗… d2: …小王虽然是学医的，但对研究电脑病毒也很感兴趣，最近 发明了一种… d3: …计算机程序发现了爱滋病病毒的传播途径… 哪些文档会被检索出来？
布尔模型的优点
到目前为止，布尔模型是最常用的检索模型， 因为：
信息检索模型
信息检索模型是指如何对查询和文档进行表示，然 后对它们进行相似度计算的框架和方法。 本质上是对相关度建模。 信息检索模型是IR中的核心内容之一。
信息检索模型
一个信息检索模型是由文档表示、查询、关 系、模型框架构成的四元组。 四元组：System=(D,Q,F,R(dj,qi)) D 文档集的表示 Q 用户需求的表示 F 文档表示、查询表示和他们之间关系的 模型框架（Frame） R(dj ，qi) 给出Query qi和Document dj 的评 分
1
Sim(dj,q)=
如果存在qcc|(qcc∈qdnf)且对于任意ki, 有
gi(dj) = gi(qcc)
0 其他 例如: 文档集合D存在两篇文档d1和d2,其中,d1含有关键 词k1和k2,d2含有关键词k1和k3,则它们的文档向量分别为: d1 =(1,1,0) , d2 =(1,0,1) 根据匹配函数的定义,显然,d1与提问式q = k1 and （k2 or not k3）的匹配函数值是1,即d1与提问q是相关的; d2与 提问式q的匹配函数值是0, 表明d2与提问q是不相关的。
信息检索模型
内容提要
信息检索系统的形式化表示 布尔逻辑模型 向量空间模型 概率模型 其他检索模型
什么是模型？
模型是采用数学工具，对现实世界某种事物 或某种运动的抽象描述 面对相同的输入，模型的输出应能够无限地 逼近现实世界的输出
《信息检索模型》课件
向量空间模型
向量空间模型使用向量表示文档和查询，通过计算余弦相似度来衡量文档与查询的相关性。它能够更全面地度 量文档的相关性，但需要处理高维度的向量空间。
概率检索模型
概率检索模型基于统计方法，通过建模查询与文档的概率分布来进行信息检 索。其中，BM25算法是常用的概率检索模型算法之一。
实践应用
信息检索系统由多个组成部分构成，包括文本预处理、索引构建、查询解析 和结果排序等，这些组件协同工作以提供准确和相关的搜索结果。
信息检索模型
信息检索模型是用于描述和处理信息检索过程中的相关原理和算法。常见的 模型包括布尔模型、向量空间模型和概率检索模型。
布尔模型
布尔模型使用布尔运算符进行查询匹配，根据查询关键词的逻辑关系确定文 档是否与查询匹配。它简单而直观，但缺乏对文档相关性的度量。
《信息检索模型》PPT课 件
欢迎来到本课程关于《信息检索模型》的PPT课件。本课程将带您深入了解信 息检索的不同模型、系统以及实践应用，让您对这一领域有全面的认识。
信息检索概述
信息检索是指通过计算机系统从大量的信息资源中找到用户所需信息的过程。ห้องสมุดไป่ตู้具有悠久的历史并在诸多领域 得到广泛应用。
信息检索系统
信息检索在多个领域有着广泛的实践应用，包括搜索引擎、文本分类、推荐系统等。下面我们将通过案例分析 搜索引擎的信息检索模型。
总结与展望
信息检索领域持续发展，未来的趋势包括个性化搜索、多模态检索和语义搜索等。信息检索的进步将对我们的 生活和工作产生深远影响。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（ microcomputer？？/de，ti，ab OR personal computer/ti，ab ） AND PY=1999 AND（LA=EN OR FR）AND DT=Serial
2013-9-13
25
信息检索模型
其他信息检索模型
2013-9-13
13
信息存储与检索
概率模型
• 对我们的初始估计R集合相关的概率赋予初始值：
P( K i | R) 0.5 ni P( K i | R) N
ni为包含标引词Ki的文献数目；N为集合中的文献总 数。 • 初始值确定后，根据与查询Q相关的大小进行初步排序， 取前若干个文档作为相关查询集合。之后通过如下方 法进行改进。
2013-9-13 2 信息检索模型
信息检索模型概述
• 1、信息检索模型的发展历史 • 分为以下几个阶段： ①20世纪50年代，基于数学的信息检索模型。 ②20世纪60年代，Bar-Hillel提出了将布尔逻辑思想应用到 计算机信息检索当中的可能性。 ③经典的信息检索模型：该模型是在以往模型的基础上发 展起来的。 ④20世纪80年代，以逻辑学专门技术和关系学的信息科学 技术相结合而形成的。被称为“非经典信息检索模型”。
2013-9-13
23
信息检索模型
其他信息检索模型
• 2、限词检索模型
限词检索（range）是通过限制检索范围，达到优化 检索结果的方法。主要的限词检索有以下几种：进行字段 检索、使用限制符、使用范围符号、使用限制指令等。 ①字段检索。 把检索词限定在某个或某些字段中，如果记录的相应 字段中含有输入的检索词则为命中记录，否则检不中。 如：查找微型计算机和个人计算机方面的文章，并且 要求“微型机”一次出现在叙词字段、标题字段或文摘字 段中，“个人计算机”一词出现在标题字段或文摘字段中， 则检索式可写为：
Sim( D j , Q)
2013-9-13
P( R | D j ) P( R | D j )
P( D j | R) P( R) P( D j | R) P( R)
信息检索模型
11
概率模型
• Sim(Dj,Q)可以近似的表示为：Sim( D j , Q)
P( D j | R) P( D j | R)
2013-9-13 17 信息检索模型
情景理论模型
• 1、情景理论的意义
• 基于情景理论上的信息检索模型是非经典的信息检索模型。 • 情景是指不同的认知主体可以从同一信息源中选择不同的 信息，当然也取决于主体所意识到的程度。 例如：如果一名学生（人作为主体）意识到圆的面积A和 其半径r之间的关系是A=πr2， 并且知道圆的面积，那么该 主体就能计算出圆的半径。
2013-9-13 12 信息检索模型
概率模型
• 举例：
查询为：信息/检索/教程/ 相关文档集合中所有term的概率为：
term R=1 信息 0.8 检索 0.9 教材 0.3 教程 0.32 课件 0.15
R=0
0.3
0.1
0.35
0.33
0.10
文档D1：检索/课件 P(D1|R=1)=(1-0.8)*0.9*(1-0.3)*(1-0.32)*0.15 P(D1|R=0)=(1-0.3)*0.1*(1-0.35)*(1-0.33)*0.10 P(D1|R=1)/P(D1|R=0)=4.216
• 取对数，在相同背景下，忽略对所有因子保持恒定不变的 因子，则有
Sim( D j , Q) Wiq Wij (log
i 1
P( K i | R) 1 P( K i | R) log ) 1 P( K i | R) P( K i | R)
这是概率模型中排序计算的主要表达式。
第二章信息检索模型
2013-9-13
信息检索模型
1
信息检索
• 信息检索，是一门研究从一定规模的文档库中找 出满足用户需求的信息的学问，它指的是对非结 构化或半结构化信息的检索，半结构化信息检索 人们通常称为文本信息检索，而非结构化信息检 索一般指多媒体信息检索。 • 信息检索的本质：将用户的信息需求与信息资源 进行匹配，将匹配结果返回给用户。 • 信息检索的基本原理：用户通过一系列关键词来 阐明自己的信息需求，信息检索系统则检索与用 户查询最为匹配的文献，同时借助某种相关性指 标对检索出的文献进行排序。
2013-9-13 21 信息检索模型
其他信息检索模型
③（N）算符（NEAR）表示两个检索词必须相连，不 得插入其他词，但词序可以颠倒。 ④（nN）算符（nNEAR）表示两个检索词中间可以插 入n个词，且词序可以颠倒。 ⑤（F）算符（FIELD）表示两个检索词必须同时出现 在同一个字段内，但两词的词序和中间插入的词数不限。 ⑥（S）算符（SUBFIELD）表示两个检索词必须出现 在同一个子字段中，但两词的词序和所在的字段不限。 ⑦（C）算符（CITATION）表示两个检索词必须出现 在同一记录中，但两词的词序和所在的字段不限。
2013-9-13
20
信息存储与检索
其他信息检索模型
• 1、位置检索模型
位置检索模型可以要求检索词以用户所规定的相对位 置出现。 不同的联机检索系统使用的位置算符的种类和功能有 时不完全相同。常用的算符有以下8种： ①（W）算符（WITH）表示两个检索词紧挨着，词 序不能颠倒，中间不得插入其他词、字母或者代码，但是 允许有空格或者标点符号，也可以用（）表示。 ②（nW）算符（nWORD）表示两个检索词中间可插 入n个词，但它们之间的顺序不可颠倒。
2013-9-13 4
信息检索模型
2013-9-13
5
信息检索模型
②从传统应用上来分，又可分为经典模型和非经典 模型
2013-9-13
6
信息检索模型
概率模型
• • 概率论模型，亦称为二值独立检索模型。 概率模型是一种基于概率论原理的用以解决相对不确 定性的信息检索的信息检索模型。 • 信息检索的概率模型是信息检索的经典模型，在概率 的框架下解决IR的问题，这种检索模型是基于一个文件与 提问式的相关度是高于还是低于非相关度的概率来进行文 档检索的检索方法。
2013-9-13
7
信息检索模型
概率模型
• 1、概率模型的基本思想 • 用户提出了查询，就有一个由相关文档构成 的集合，该集合只包括与查询完全相关的文档而 不包括其他不相关的文档，称该集合为理想结果 集合，记为R。如果知道R的特征，就可以找到所 有的相关文档，排除所有的无关文档。因此，可 以把查询看成一个寻找R的特征的过程。
• 也可以为：
ni N P( K i | R) V 1 Vi ni N P( K i | R) N V 1 ni Vi
2013-9-13 16 信息检索模型
概率模型
• 5、概率模型的优缺点
优点：文档可以按照他们相关概率递减的顺序来排序， 该模型可以通过反复反馈结果和用户需求，使结果得到很 好的调整，相对会合理得多。 虽然这种基于贝叶斯决策的自适应模型有坚实的理论 基础，但是其自身还是有一定的局限性，体现在： （1）索引词权值计算方法没有考虑到词频加权因素； （2）沿用了索引词之间相互独立的基本假设； （3）开始时需要猜想把文档分为相关和不相关的两个 集合，过程比较繁琐。
2013-9-13 24 信息检索模型
其他信息检索模型
microcomputer？？/de，ti，ab OR personal computer/ti，ab
如果是要查找liu jun写的文章，可以输入检索词 au=liu jun ②使用限制符 用表示语种、文献类型、出版国家、出版年代等的字段 标示符来限制检索范围。 如：要查找1999年出版的英文或法文的微型机或个人 计算机方面的期刊，则检索式可写为：
• 因为经典的信息检索模型中假设标引词之间无相关关系， 是独立的，则Sim(Dj,Q) 可以表示为：
Sim( D , Q)
j
t
g i ( D j ) 1 g i ( D j ) 1
P( K i | R) g i ( D j ) 0 P( K i | R) P( K i | R) g i ( D j ) 0 P( K i | R)
Vi V n V P( K i | R) i i N V P( K i | R)
这样就形成了一个检索和学习的迭代过程，也就是概率检索 模型。
2013-9-13 15 信息检索模型
概率模型
• 对较小的V和Vi，如V=1，Vi=0，上述计算会出现问题， 所以做以下改进：
Vi 0.5 V 1 n V 0.5 P( K i | R) i i N V 1 P( K i | R)
2013-9-13 14 信息检索模型
概率模型
用V表示概率模型初步检出并经过排序的文档子集, Vi表 示V中包含索引词ki 的文档集合。根据V和Vi中包含标引词Ki 的文献数目来改进初始值，通过如下假设完成：
• 根据已检索出的文献中标引词Ki的分布来估计的 P( K i | R)
• 根据未检索出的文献都是不相关的来估计 P( K i | R)
2013-9-13
19
信息存储与检索
情景理论模型
• 信息同表面意思是两个不同的概念，因为信息所传递的信 息与表面意思是不一样的，通常信号所包含的信息要远远 超过它的表面意思。 • 如：“小李在家” • 表面意思是小李在家，尽管这句话暗含了小李没有上班， 通过信号传递的信息包含这两方面的意思。这就是信息同 表面意思的不同。 • 信息是产生知识的事物，以及我们从信号传递中所获得的 一切东西。
估计R的特征 进行检索 用户判断
2013-9-13
9
Hale Waihona Puke 信息检索模型概率模型
2013-9-13
25
信息检索模型
其他信息检索模型
2013-9-13
13
信息存储与检索
概率模型
• 对我们的初始估计R集合相关的概率赋予初始值：
P( K i | R) 0.5 ni P( K i | R) N
ni为包含标引词Ki的文献数目；N为集合中的文献总 数。 • 初始值确定后，根据与查询Q相关的大小进行初步排序， 取前若干个文档作为相关查询集合。之后通过如下方 法进行改进。
2013-9-13 2 信息检索模型
信息检索模型概述
• 1、信息检索模型的发展历史 • 分为以下几个阶段： ①20世纪50年代，基于数学的信息检索模型。 ②20世纪60年代，Bar-Hillel提出了将布尔逻辑思想应用到 计算机信息检索当中的可能性。 ③经典的信息检索模型：该模型是在以往模型的基础上发 展起来的。 ④20世纪80年代，以逻辑学专门技术和关系学的信息科学 技术相结合而形成的。被称为“非经典信息检索模型”。
2013-9-13
23
信息检索模型
其他信息检索模型
• 2、限词检索模型
限词检索（range）是通过限制检索范围，达到优化 检索结果的方法。主要的限词检索有以下几种：进行字段 检索、使用限制符、使用范围符号、使用限制指令等。 ①字段检索。 把检索词限定在某个或某些字段中，如果记录的相应 字段中含有输入的检索词则为命中记录，否则检不中。 如：查找微型计算机和个人计算机方面的文章，并且 要求“微型机”一次出现在叙词字段、标题字段或文摘字 段中，“个人计算机”一词出现在标题字段或文摘字段中， 则检索式可写为：
Sim( D j , Q)
2013-9-13
P( R | D j ) P( R | D j )
P( D j | R) P( R) P( D j | R) P( R)
信息检索模型
11
概率模型
• Sim(Dj,Q)可以近似的表示为：Sim( D j , Q)
P( D j | R) P( D j | R)
2013-9-13 17 信息检索模型
情景理论模型
• 1、情景理论的意义
• 基于情景理论上的信息检索模型是非经典的信息检索模型。 • 情景是指不同的认知主体可以从同一信息源中选择不同的 信息，当然也取决于主体所意识到的程度。 例如：如果一名学生（人作为主体）意识到圆的面积A和 其半径r之间的关系是A=πr2， 并且知道圆的面积，那么该 主体就能计算出圆的半径。
2013-9-13 12 信息检索模型
概率模型
• 举例：
查询为：信息/检索/教程/ 相关文档集合中所有term的概率为：
term R=1 信息 0.8 检索 0.9 教材 0.3 教程 0.32 课件 0.15
R=0
0.3
0.1
0.35
0.33
0.10
文档D1：检索/课件 P(D1|R=1)=(1-0.8)*0.9*(1-0.3)*(1-0.32)*0.15 P(D1|R=0)=(1-0.3)*0.1*(1-0.35)*(1-0.33)*0.10 P(D1|R=1)/P(D1|R=0)=4.216
• 取对数，在相同背景下，忽略对所有因子保持恒定不变的 因子，则有
Sim( D j , Q) Wiq Wij (log
i 1
P( K i | R) 1 P( K i | R) log ) 1 P( K i | R) P( K i | R)
这是概率模型中排序计算的主要表达式。
第二章信息检索模型
2013-9-13
信息检索模型
1
信息检索
• 信息检索，是一门研究从一定规模的文档库中找 出满足用户需求的信息的学问，它指的是对非结 构化或半结构化信息的检索，半结构化信息检索 人们通常称为文本信息检索，而非结构化信息检 索一般指多媒体信息检索。 • 信息检索的本质：将用户的信息需求与信息资源 进行匹配，将匹配结果返回给用户。 • 信息检索的基本原理：用户通过一系列关键词来 阐明自己的信息需求，信息检索系统则检索与用 户查询最为匹配的文献，同时借助某种相关性指 标对检索出的文献进行排序。
2013-9-13 21 信息检索模型
其他信息检索模型
③（N）算符（NEAR）表示两个检索词必须相连，不 得插入其他词，但词序可以颠倒。 ④（nN）算符（nNEAR）表示两个检索词中间可以插 入n个词，且词序可以颠倒。 ⑤（F）算符（FIELD）表示两个检索词必须同时出现 在同一个字段内，但两词的词序和中间插入的词数不限。 ⑥（S）算符（SUBFIELD）表示两个检索词必须出现 在同一个子字段中，但两词的词序和所在的字段不限。 ⑦（C）算符（CITATION）表示两个检索词必须出现 在同一记录中，但两词的词序和所在的字段不限。
2013-9-13
20
信息存储与检索
其他信息检索模型
• 1、位置检索模型
位置检索模型可以要求检索词以用户所规定的相对位 置出现。 不同的联机检索系统使用的位置算符的种类和功能有 时不完全相同。常用的算符有以下8种： ①（W）算符（WITH）表示两个检索词紧挨着，词 序不能颠倒，中间不得插入其他词、字母或者代码，但是 允许有空格或者标点符号，也可以用（）表示。 ②（nW）算符（nWORD）表示两个检索词中间可插 入n个词，但它们之间的顺序不可颠倒。
2013-9-13 4
信息检索模型
2013-9-13
5
信息检索模型
②从传统应用上来分，又可分为经典模型和非经典 模型
2013-9-13
6
信息检索模型
概率模型
• • 概率论模型，亦称为二值独立检索模型。 概率模型是一种基于概率论原理的用以解决相对不确 定性的信息检索的信息检索模型。 • 信息检索的概率模型是信息检索的经典模型，在概率 的框架下解决IR的问题，这种检索模型是基于一个文件与 提问式的相关度是高于还是低于非相关度的概率来进行文 档检索的检索方法。
2013-9-13
7
信息检索模型
概率模型
• 1、概率模型的基本思想 • 用户提出了查询，就有一个由相关文档构成 的集合，该集合只包括与查询完全相关的文档而 不包括其他不相关的文档，称该集合为理想结果 集合，记为R。如果知道R的特征，就可以找到所 有的相关文档，排除所有的无关文档。因此，可 以把查询看成一个寻找R的特征的过程。
• 也可以为：
ni N P( K i | R) V 1 Vi ni N P( K i | R) N V 1 ni Vi
2013-9-13 16 信息检索模型
概率模型
• 5、概率模型的优缺点
优点：文档可以按照他们相关概率递减的顺序来排序， 该模型可以通过反复反馈结果和用户需求，使结果得到很 好的调整，相对会合理得多。 虽然这种基于贝叶斯决策的自适应模型有坚实的理论 基础，但是其自身还是有一定的局限性，体现在： （1）索引词权值计算方法没有考虑到词频加权因素； （2）沿用了索引词之间相互独立的基本假设； （3）开始时需要猜想把文档分为相关和不相关的两个 集合，过程比较繁琐。
2013-9-13 24 信息检索模型
其他信息检索模型
microcomputer？？/de，ti，ab OR personal computer/ti，ab
如果是要查找liu jun写的文章，可以输入检索词 au=liu jun ②使用限制符 用表示语种、文献类型、出版国家、出版年代等的字段 标示符来限制检索范围。 如：要查找1999年出版的英文或法文的微型机或个人 计算机方面的期刊，则检索式可写为：
• 因为经典的信息检索模型中假设标引词之间无相关关系， 是独立的，则Sim(Dj,Q) 可以表示为：
Sim( D , Q)
j
t
g i ( D j ) 1 g i ( D j ) 1
P( K i | R) g i ( D j ) 0 P( K i | R) P( K i | R) g i ( D j ) 0 P( K i | R)
Vi V n V P( K i | R) i i N V P( K i | R)
这样就形成了一个检索和学习的迭代过程，也就是概率检索 模型。
2013-9-13 15 信息检索模型
概率模型
• 对较小的V和Vi，如V=1，Vi=0，上述计算会出现问题， 所以做以下改进：
Vi 0.5 V 1 n V 0.5 P( K i | R) i i N V 1 P( K i | R)
2013-9-13 14 信息检索模型
概率模型
用V表示概率模型初步检出并经过排序的文档子集, Vi表 示V中包含索引词ki 的文档集合。根据V和Vi中包含标引词Ki 的文献数目来改进初始值，通过如下假设完成：
• 根据已检索出的文献中标引词Ki的分布来估计的 P( K i | R)
• 根据未检索出的文献都是不相关的来估计 P( K i | R)
2013-9-13
19
信息存储与检索
情景理论模型
• 信息同表面意思是两个不同的概念，因为信息所传递的信 息与表面意思是不一样的，通常信号所包含的信息要远远 超过它的表面意思。 • 如：“小李在家” • 表面意思是小李在家，尽管这句话暗含了小李没有上班， 通过信号传递的信息包含这两方面的意思。这就是信息同 表面意思的不同。 • 信息是产生知识的事物，以及我们从信号传递中所获得的 一切东西。
估计R的特征 进行检索 用户判断
2013-9-13
9
Hale Waihona Puke 信息检索模型概率模型