情報(bào)分析技術(shù)課件第二講(4)_搜索引擎發(fā)展趨勢(shì)(編輯修改稿)
2024-11-14 14:59 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 信息檢索與信息抽取 中國(guó)科技信息研究所 化柏林 23/50 ?信息檢索的粒度要比信息抽取的粒度大 ， 信息檢索強(qiáng)調(diào)的是對(duì)檢索入口進(jìn)行控制 ， 并不對(duì)檢索出口進(jìn)行控制 ， ?信息檢索策略的調(diào)整只能決定檢索結(jié)果的多少 ，并不能決定每條檢索結(jié)果的大與小 。 ?我們只能通過(guò)檢索策略的調(diào)整來(lái)決定檢索結(jié)果的記錄數(shù) ， 而不能對(duì)某條記錄的內(nèi)容進(jìn)行抽取 。 文獻(xiàn)自動(dòng)綜述 中國(guó)科技信息研究所 化柏林 ? 如想了解搜索引擎 ， 將不再顯示所有含有搜索引擎的成千上萬(wàn)篇文章 ， ? 而是一篇綜合了所有關(guān)于搜索引擎的文章 ，文章會(huì)有 發(fā)展歷史 ， 主要分類 ， 使用技巧與方法 ， 關(guān)鍵技術(shù)實(shí)現(xiàn) ， 發(fā)展趨勢(shì) 等多個(gè)主題 ， ? 相當(dāng)于百科全書的形式來(lái)組織關(guān)于搜索引擎的所有知識(shí)點(diǎn) 。 ? 這樣由閱讀多篇文章變成了閱讀一篇文章的不同部分 ， 實(shí)現(xiàn)了內(nèi)容的濾重與重組 。 三代搜索引擎的分析 ?即使查到了相應(yīng)的文獻(xiàn) ， 而在文檔中有許多我們不需要的信息 ， 通過(guò)信息抽取把想要的信息單元抽取出來(lái) ， 過(guò)濾掉其它信息 。 ?利用信息抽取技術(shù)就會(huì)直接出來(lái)一個(gè)二維列表 ， 也就是只需要閱讀一個(gè)網(wǎng)頁(yè) ， 所以也稱列表式搜索 。 中國(guó)科技信息研究所 化柏林 ?四代搜索引擎將深入語(yǔ)義層面，深入理解句子的意思，理解圖像的含義、音頻視頻的內(nèi)容，這時(shí)對(duì)于不同媒體格式的數(shù)據(jù)可以達(dá)到統(tǒng)一。 ?不僅要分析詞的義項(xiàng)、分析句子的語(yǔ)義，應(yīng)該還能夠?qū)φZ(yǔ)篇進(jìn)行語(yǔ)義分析 ?這個(gè)時(shí)期可以進(jìn)行觀點(diǎn)型搜索、流派型搜索，如查持有 “ 數(shù)據(jù)挖掘不同于知識(shí)發(fā)現(xiàn)，而是知識(shí)發(fā)現(xiàn)的一個(gè)階段 ” 觀點(diǎn)的文章或與其觀點(diǎn)不同的文章。 四代搜索引擎的分析 中國(guó)科技信息研究所 化柏林 四代搜索引擎的分析 中國(guó)科技信息研究所 化柏林 因?yàn)樵竭^(guò)了符號(hào)系統(tǒng)，深入到語(yǔ)義層面，所以跨語(yǔ)言檢索也將有長(zhǎng)足的發(fā)展， “ Love lives in cottages as well as in courts.”對(duì)于這樣一個(gè)句子， “ 愛(ài)情不分貧富。 ” 是比較地道的譯文，但我們?cè)谀壳暗乃阉饕嬷休斎?“ 貧富 ” 可能很難能查到含有上述英文句子的網(wǎng)頁(yè)。 可它畢竟表達(dá)出了貧富的意思，因此真正的跨語(yǔ)言檢索是需要同族匹配、提問(wèn)翻譯、文檔翻譯和中間語(yǔ)言轉(zhuǎn)換等技術(shù)。 四代搜索引擎的分析 中國(guó)科技信息研究所 化柏林 多種媒體格式的數(shù)據(jù)用統(tǒng)一的語(yǔ)義來(lái)表示，語(yǔ)義的表示仍然是個(gè)難題， 如 “ 竹橫麻豎，青黃交錯(cuò)軟硬簾；碳去鹽歸，黑白分明山水貨 ” 分別描述的是兩幅勞動(dòng)的場(chǎng)景，除了有顏色、紋理等圖像特征外，還有質(zhì)地、取源等圖像難以分析的內(nèi)容特征，而把場(chǎng)景和上述對(duì)聯(lián)用統(tǒng)一的語(yǔ)義來(lái)表示的確有點(diǎn)困難。 五代搜索引擎的分析 中國(guó)科技信息研究所 化柏林 ? 將穿越語(yǔ)義，在充分理解各種語(yǔ)義的基礎(chǔ)上，能夠分析文獻(xiàn)的寫作手法、修辭方式，能夠推敲語(yǔ)言的妙用。 ? 搜索引擎能夠分析出不同媒體格式所帶來(lái)的不同效果。 ? 強(qiáng)調(diào)語(yǔ)用是五代搜索引擎的主要特征， – 如查詢所有與 “ 孔乙已大約的確死了 ” 使用同一寫作手法的句子， – 查詢一二句描寫自然景色三四句抨擊社會(huì)現(xiàn)象的七言律詩(shī)。 ? 這樣的搜索就穿越了語(yǔ)義而達(dá)到了語(yǔ)用的層面，不僅僅是語(yǔ)義搜索，而是語(yǔ)用搜索。 I npu t 形態(tài)分析 語(yǔ)用分析 結(jié)構(gòu)分析 語(yǔ)義分析 靜態(tài) U R L 動(dòng)態(tài) U R L 免費(fèi)注冊(cè)數(shù)據(jù) 私有異構(gòu)數(shù)據(jù) 虛擬現(xiàn)實(shí) 出入口異媒體 出入口同媒體 詞對(duì)單媒體 計(jì)算詞典 熟語(yǔ)料庫(kù) 專家知識(shí)庫(kù) 常識(shí)知識(shí)庫(kù) 搜索范圍 出入口 分析層面 資源支撐 I n p u t P r o c e s s O u t p u t 搜索引擎的出入口 中國(guó)科技信息研究所 化柏林 ? 從檢索出入口來(lái)看 ， 二代搜索引擎輸入的是文本 ， 輸出的是文本 、 圖像 、 音頻 、 視頻 。 ? 對(duì)于非文本的搜索主要是輸入描述性的詞語(yǔ) ，而這些詞是從文件名中或文件說(shuō)明中抽取出來(lái)的詞 ， 所以從本質(zhì)上講 ， 去數(shù)據(jù)庫(kù)里還是用文本來(lái)匹配文本的搜索 ， 只不過(guò)返回的結(jié)果是圖片或音頻視頻而已 。 ? 二代搜索引擎的
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1