【正文】 15 北京大學信息管理系 14 南京農(nóng)業(yè)大學信息管理系 11 華中師范大學信息管理系 10 上海交通大學 計算機 系 10 28 2. 研究歷史和現(xiàn)狀 —國內(nèi) 2022～ 2022 武漢大學信息管理學院 網(wǎng)絡信息檢索： 2022， 2022 情報檢索模型理論： 2022， 2022， 2022 信息過濾： 2022， 2022 文本知識的自動分類： 2022 焦玉英，劉偉成 29 2. 研究歷史和現(xiàn)狀 —國內(nèi) 2022～ 2022 中山大學信息管理系 網(wǎng)絡信息過濾： 2022， 2022， 2022， 2022 黃曉斌 , 邱明輝 南京大學信息管理系 文本信息檢索 楊建林 30 2. 研究歷史和現(xiàn)狀 —國內(nèi) 2022～ 2022 清華大學計算機科學與技術系 文本自動分類，自動文摘： 2022～ 2022 陳群秀 復旦大學計算機系 文本過濾、音頻視頻檢索 黃萱菁 31 2. 研究歷史和現(xiàn)狀 —國內(nèi) 2022～ 2022 中國科學院計算技術研究所 文本自動分類 2022， 2022 文本檢索： 2022， 2022， 2022， 2022 知識網(wǎng)格： 2022， 2022 白碩 北京大學信息管理系 圖像檢索 文本檢索 賴茂生，黃崑，馬張華 32 2. 研究歷史和現(xiàn)狀 南京農(nóng)業(yè)大學信息管理系 中文信息自動分類 侯漢清 33 2. 一些重要的會議 國際會議： SIGIR、 ACL、 WWW、 SIGKDD CIKM、 ICML TREC AIRS 國內(nèi)會議： 全國信息檢索及內(nèi)容安全學術會議 (2年一屆 ) 全國計算語言學聯(lián)合會議 (2年一屆 ) 34 2. 一些重要的期刊 國際 ACM Transactions on Information Systems(TOIS) ACM Transactions on Asian Language Information Processing(TALIP) Information Processing amp。 1998年基于語言模型的 IR模型提出。 1990’s第一個網(wǎng)絡搜索工具： 1990年加拿大蒙特利爾大學開發(fā)的 FTP搜索工具 Archie。 隨后，逐漸出現(xiàn)索引的概念，即從一些詞和概念指向相關信息或者文檔的“指針 ”?，F(xiàn)代信息檢索 陸銘 66134922 2 一、 引言 課程概況 研究歷史和現(xiàn)狀 學科框架 基本概念 3 1. 課程概況 (About the course) 設課目的 市場發(fā)展的需求 用戶需要信息檢索技術 互聯(lián)網(wǎng)的信息量太大，尋找信息非常不容易 公司需要信息檢索技術 信息檢索技術可以創(chuàng)造利潤，搜索引擎改變了很多傳統(tǒng)的生活方式， Yahoo、 Google、 Baidu，還有一些公司如 Microsoft、 Sina、Sohu都加入到搜索技術的競爭 人才的競爭 搜索的技術人才出現(xiàn)缺口 2022年的網(wǎng)絡和現(xiàn)在的互聯(lián)網(wǎng)有什么不同，搜索引擎在其中占什么位置？ 4 數(shù)字化信息量舉例 音樂作品 (莫扎特 )：約 100MB 報紙 (華爾街雜志 )： 100MB/年 (文本 ) 卡片目錄 (美國國會圖書館 )： 17GB 廣播 (WABC) ： 270GB/年 (未經(jīng)壓縮 ) 網(wǎng)絡論壇 (Netnews)： 300GB/年 地區(qū)圖書館 (加州大學圖書館 )： (圖書掃描版 ) Inter出版 (WWW)： 1997年約 4TB 電視 (CNN新聞 )： 1GB/1小時 , 6TB/年 (經(jīng)壓縮 ) 錄像帶出租 (Blockbuster Video)： 9TB 科研圖書館 (美國會圖書館 )：全部圖書館數(shù)字化 20TB 來源：美國伯克利加州大學教授 Peter Lyman和 Alex Inter公司總裁 Brewster Kahle所著 《 文化制品數(shù)字化存檔行動綱要 》 5 信息檢索的問題 信息超載 信息太多 , 需要過濾 檢索結(jié)果垃圾太多 , 有害信息太多 查找非結(jié)構(gòu)信息有困難 多數(shù)數(shù)據(jù)庫在結(jié)構(gòu)化字段上工作 多數(shù)商業(yè)信息是非結(jié)構(gòu)化的 . 報告、電子郵件、來往公函 ... 美國商業(yè)每年產(chǎn)生 4500億份文件 波音 747文件比飛機重量還重 標引是主觀的 標引者之間不一致 , 經(jīng)驗統(tǒng)計表明標引者之間僅 20% 相同 作者與標引者之間、檢索者與用戶之間不一致 6 信息檢索的問題 語言問題 一詞多意 Bank: a river boundary or a savings and loans? DNA: microbiology or Digital Equipment Corporation’s Network Architecture? Free Rider: Economic game theory or urban transportation systems? 一意多詞 car, automobile, vehicle, sedan, horseless carriage... 7 1. 課程概況 (About the course) 課程性質(zhì) 圖書館學研究生的必修課程 課程內(nèi)容 本課程的教學目的是培養(yǎng)學生了解信息檢索工具的基本原理和技術，使學生能夠進行較深層的研究或應用開發(fā) 本課程不是一門講授使用信息檢索方法的課程，本課程是研究信息檢索的 技術實現(xiàn) 的一門基礎課程 8 1. 課程概況 ——課程內(nèi)容體系 引言 課程概況，研究歷史和現(xiàn)狀，學科框架，相關概念 檢索理論 IR模型的形式化表示和類型，經(jīng)典模型 檢索語言，互操作，自然語言、本體論 文本檢索 經(jīng)典、現(xiàn)代文本處理和全文文本處理，分類和聚合 網(wǎng)絡檢索 網(wǎng)絡檢索、 PageRank和 HITS算法 信息自動處理和系統(tǒng)評價 可視化、自動文摘、評價 多媒體檢索 模型與語言，標引與檢索，并行與分布式檢索 數(shù)字圖書館 OPAC，文獻模型、表達與存取，元數(shù)據(jù)，云數(shù)據(jù)庫檢索技能 9 1. 課程概況 (About the course) 授課方式 自學與課堂討論相結(jié)合 課堂講述和課后練習相結(jié)合 講授內(nèi)容既包含傳統(tǒng)內(nèi)容，也注意吸收最新研究成果 既考